Analisis Sentimen Publik di Platform X Pasca Skandal Bahan Bakar Minyak Oplosan Menggunakan Algoritma Naïve Bayes: Public Sentiment Analysis on Platform X Following the Mixed  Fuel Scandal Using the Naïve Bayes Algorithm

Achmad Thaufik Chidayat; Diqy Fakhrun Shiddieq; Dwi Nurhayati

doi:10.57152/malcom.v5i4.2220

Authors

Achmad Thaufik Chidayat Universitas Garut
Diqy Fakhrun Shiddieq Universitas Garut
Dwi Nurhayati Universitas Garut

DOI:

https://doi.org/10.57152/malcom.v5i4.2220

Keywords:

BBM Oplosan, Naïve Bayes, TF-IDF, VADER, X/ Twitter

Abstract

Skandal BBM oplosan yang mencuat pada awal 2025 memicu gelombang reaksi dari masyarakat yang disuarakan melalui platform X. Penelitian ini ditujukan untuk mengevaluasi sentimen publik terkait kasus tersebut dengan menggunakan algoritma Naïve Bayes sebagai metode analisis. Proses analisis dilakukan dengan teknik scraping terhadap 2.351 tweet yang relevan, dilanjutkan dengan preprocessing teks. Label sentimen ditentukan secara otomatis menggunakan metode VADER, sementara representasi fitur dilakukan dengan teknik TF-IDF untuk meningkatkan kualitas klasifikasi. Selanjutnya, data dibagi menjadi data pelatihan dan data pengujian dengan perbandingan 80:20, kemudian diklasifikasikan menggunakan algoritma Multinomial Naïve Bayes. Hasil klasifikasi menunjukkan bahwa algoritma mampu mengidentifikasi sentimen negatif dengan recall tertinggi sebesar 75%, meskipun akurasi keseluruhan hanya mencapai 57%. Temuan ini menunjukkan bahwa pendekatan ini cukup andal dalam menangkap opini kritis masyarakat, namun masih perlu pengembangan untuk mengenali sentimen positif dan netral secara akurat. Penelitian selanjutnya disarankan untuk membandingkan algoritma Naïve Bayes dengan model lain seperti SVM atau Random Forest guna meningkatkan akurasi klasifikasi.

Downloads

Download data is not yet available.

References

S. Agriyani, L. F. Simanjuntak, H. Anggraini, and A. R. Surya, “Analisis Perubahan Statistik Kepercayaan Konsumen Terhadap Pertamina Pasca Kasus Pengoplosan Pertalite Ke Pertamax,” J. Rev. Pendidik. dan Pengajaran, vol. 8, no. 2, pp. 3658–3662, 2025.

D. Aswara and A. N. P, “Kasus BBM Oplosan yang Pernah Terjadi di Berbagai Daerah,” TEMPO.CO. [Online]. Available: https://www.tempo.co/hukum/kasus-bbm-oplosan-yang-pernah-terjadi-di-berbagai-daerah-1213740

M. Dwi Khotimah, A. Nadia Fatimah, M. Fajar Rizki, W. Puspitasari, and A. Soegiarto, “Analisis Sentimen Publik Terhadap Isu Modifikasi Bahan Bakar Pertamax Pertamina di Media Sosial,” J. Soc. Sci. Res., vol. 5, no. 3, pp. 5057–5072, 2025.

A. P. Yusriansyah, D. Apriandini, V. Alliciana, and D. Anugrah, “Perlindungan Hukum Konsumen Terhadap Kualitas Bbm Di SPBU Dalam Konteks Dugaan Pengoplosan Pertamax Di Indonesia,” Lett. J. Huk. PERDATA, vol. 1, no. 2, pp. 1–13, 2025, doi: https://doi.org/10.25134/jise.v1i2.xx.

CELIOS, “Berapa Banyak Kerugian Masyarakat dari Pertamax Oplosan? Rekap Hasil Pengaduan Masyarakat dan Modelling Consumer Loss,” 2025.

P. A. A. Alvito and J. N. S. Gono, “Persepsi Masyarakat Mengenai Isu Pertamax Oplosan,” Interak. Online, vol. 13, no. 3, pp. 385–393, 2025, [Online]. Available: ejournal3.undip.ac.id

D. Haliza and M. Ikhsan, “Sentiment Analysis on Public Perception of the Nusantara Capital on Social Media X Using Support Vector Machine ( SVM ) and K-Nearest Neighbor ( K-NN ) Methods,” vol. 9, no. 3, pp. 716–723, 2025.

R. D. Pebrianti, “Analisis Sentimen Masyarakat Platform X Terhadap Korupsi Pt. Pertamina (Persero) Menggunakan Metode Svm,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, 2025, doi: 10.23960/jitet.v13i2.6399.

M. K. Alamsyah and N. Pratiwi, “Analisis Sentimen Terkait Opini Masyarakat Terhadap Perkembangan E-Sport Mobile Di Indonesia Menggunakan K Nearest Neighbor,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 1, pp. 349–359, 2024, doi: 10.29100/jipi.v9i1.4927.

A. McCallum and K. Nigam, “A Comparison of Event Models for Naive Bayes Text Classification,” AAAI/ICML-98 Work. Learn. Text Categ., pp. 41–48, 1998, doi: 10.1.1.46.1529.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.

D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.

L. Afuan, M. Khanza, and A. Z. Hasyati, “Enhancing Sentiment Analysis Of The 2024 Indonesian Presidential Inauguration On X Using Smote-Optimized Naive Bayes Classifier Peningkatan Analisis Sentimen Pelantikan Presiden Ri Tahun 2024 Pada X Menggunakan Naive Bayes Classifier Yang Dioptimalkan,” vol. 6, no. 1, pp. 325–333, 2025.

Stefanni, Zulfachmi, Zulkipli, and A. Saputra, “Analisis Sentimen Pengguna X Terhadap Kebocoran Data Pribadi Menggunakan Algoritma Naïve Bayes Classifier,” vol. 14, no. 01, pp. 32–40, 2025, doi: 10.52771/bangkitindonesia.v14i1.434.

H. Taofiqurrohman, W. Wufron, and F. F. Roji, “Prediksi Harga Saham Telkom Menggunakan Prophet: Analisis Pengaruh Sentimen Publik Terhadap Kehadiran Starlink,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 5, no. 2, pp. 484–495, 2025, doi: 10.57152/malcom.v5i2.1796.

M. Chiny, M. Chihab, Y. Chihab, and O. Bencharef, “LSTM, VADER and TF-IDF based Hybrid Sentiment Analysis Model,” Int. J. Adv. Comput. Sci. Appl., vol. 12, no. 7, pp. 265–275, 2021, doi: 10.14569/IJACSA.2021.0120730.

C. B. Ramadhan, Analisis Sentimen Data Ulasan Aplikasi Mypertamina Menggunakan Vader Dan Indonesian Sentiment Lexicon Dengan Algoritma Naive Bayes. 2024.

A. O. Ramadhan and A. Fartini, “Aspek Hukum Pidana Dalam Kasus Oplosan BBM?: Penerapan Sanksi Tindak Pidana BBM Criminal Law Aspects in Fuel Mixture Cases?: Application of Criminal Sanctions for Fuel,” pp. 10549–10559, 2025.

A. Aulia, M. Candra, and I. Administrasi Negara Universitas Maritim Raja Ali Haji, “Dinamika Ekonomi Politik dalam Regulasi BBM: Studi Kasus Pengoplosan Pertamax di Indonesia,” J. Penelit. Ilmu-Ilmu Sos., vol. 2, no. 11, 2025, [Online]. Available: https://doi.org/10.5281/zenodo.15539032

J. E. Br Sinulingga and H. C. K. Sitorus, “Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF,” J. Manaj. Inform., vol. 14, no. 1, pp. 42–53, 2024, doi: 10.34010/jamika.v14i1.11946.

I. F. Ashari, “Analysis of Sentiments in Facebook Down Case Using Vader and Naive Bayes Classification Method,” Multitek Indones., vol. 16, no. 2, pp. 75–87, 2022, doi: 10.24269/mtkind.v16i2.5601.

I. S. Arfan, S. Fauziah, and I. Nawangsih, “Analisis Sentimen Terhadap Cyber Bullying di X Menggunakan Algoritma Naïve Bayes,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1411–1419, 2024, doi: 10.57152/malcom.v4i4.1550.

B. A. Maulana, M. J. Fahmi, A. M. Imran, and N. Hidayati, “Sentiment Analysis of Pluang Applications With Naive Bayes and Support Vector Machine ( SVM ),” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 375–384, 2024.

A. A. Azani, “Analisis Sentimen Terhadap Aksi Boikot Produk Pro Israel Pada Komentar Youtube Dengan Menggunakan Algoritma Naïve Bayes Classification (NBC) & Support Vector Machine (SVM),” pp. 1–23, 2024.

T. Hidayat, M. J. Siddiq, S. Jayasri, A. Suhendi, and R. Rizky, “Analisis Sentimen Opini Masyarakat Terhadap Pilkada 2024 Di Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,” J. Inform. dan Tek. Elektro Terap., vol. 13, no. 2, pp. 609–622, 2025, doi: 10.23960/jitet.v13i2.6280.

S. Khoerunnisa, D. F. Shiddiq, and D. Nurhayati, “Application of the Naive Bayes Algorithm with TF-IDF and Cross Validation Techniques for Sentiment Analysis Towards Starlink Penerapan Algoritma Naive Bayes dengan Teknik TF-IDF dan Cross Validation untuk Analisis Sentimen Terhadap Starlink,” vol. 5, no. April, pp. 566–577, 2025.