ANALISIS SENTIMEN 100 HARI KINERJA PRABOWO GIBRAN MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER MELALUI PLATFORM “X”

• MOCHAMAD RIZKY MUHAJIR SHALABY
• 2025

---

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap 100 hari kinerja
pemerintahan Presiden Prabowo Subianto dan Wakil Presiden Gibran Rakabuming Raka menggunakan algoritma
Naïve Bayes Classifier pada data dari media sosial Twitter/X. Data dikumpulkan melalui proses web crawling
dengan bantuan Google Colab dan library pandas, berdasarkan kata kunci dan hashtag yang relevan, serta difilter
agar hanya mencakup tweet berbahasa Indonesia dalam rentang waktu 28 Januari hingga 31 Maret 2025. Hasil
crawling menghasilkan 7.923 data, kemudian dilakukan preprocessing berupa cleansing, tokenizing, filtering,
transformasi huruf, dan stemming, sehingga diperoleh 5.449 data valid yang terdiri dari 3.802 sentimen positif dan
1.647 sentimen negatif. Pelabelan data dilakukan secara manual untuk menjaga akurasi sistem klasifikasi. Proses
klasifikasi dilakukan menggunakan metode Naïve Bayes dengan pendekatan ekstraksi fitur TF-IDF, dan dianalisis
melalui tools RapidMiner. Pengujian dilakukan dengan metode shuffled sampling dengan proporsi 90% data latih
dan 10% data uji. Hasil evaluasi model menunjukkan Accuracy sebesar 78,60%, precision 81,96%, recall 88,90%,
serta nilai AUC sebesar 0,871. Berdasarkan hasil tersebut, dapat disimpulkan bahwa algoritma Naïve Bayes efektif
dalam menganalisis sentimen publik berbasis teks dari media sosial. Penelitian ini diharapkan dapat memberikan
gambaran awal terhadap opini masyarakat mengenai kebijakan pemerintahan awal Prabowo-Gibran serta menjadi
referensi untuk pengembangan metode klasifikasi yang lebih optimal di masa mendatang.

• Klasifikasi Sentimen
• Twitter
• Text Preprocessing
• TF-IDF
• RapidMiner
• Prabowo-Gibran
• Naïve Bayes

https://repository.bsi.ac.id/repo/71150/ANALISIS-SENTIMEN-100-HARI-KINERJA-PRABOWO--GIBRAN-MENGGUNAKAN-ALGORITMA---NAÏVE-BAYES-CLASSIFIER---MELALUI-PLATFORM-“X”
Anda dapat membaca file tugas akhir ini di repository.