Analisis Sentimen Opini Publik Terhadap Penerimaan Bantuan Subsidi Upah (BSU) Menggunakan Algoritma Naive Bayes
Analysis of Public Opinion Sentiment nn Receiving Bantuan Subsidi Upah (BSU) using Naïve Bayes Algorithm
Keywords:
BSU, Klasifikasi, Sentimen, Naïve BayesAbstract
Bantuan Subsidi Upah (BSU) adalah program bantuan uang tunai yang diberikan oleh pemerintah untuk pekerja yang memenuhi persyaratan. Adapun penerima Bantuan Subsidi Upah adalah pekerja yang aktif di dalam program BPJS ketenagakerjaan yang juga aktif membayar iuran sampai dengan bulan Juli 2022. Pada saat kenaikan harga yang berdampak pada ketidakstabilan perekonomian di Indonesia. Pemerintah mebuat sebuah kebijakan dengan memberikan Bantuan Subsidi Upah (BSU) kepada masyarakat untuk menepis dampak kenaikan harga. Namun terdapat berbagai tanggapan dari masyarakat terkait pemberian BSU di media sosial seperti Twitter, ada yang mendukung namun ada juga yang tidak setuju. Penelitian ini bertujuan untuk melakukan analisis terhadap sentiment masyarakat Indonesia pada kebijakan pemerintah terkait pemberian Bantuan Subsidi Upah di tengah masyarakat. Data yang digunakan adalah 100 tweet pada masing-masing kata kunci BSU. Data tersebut dibagi menjadi 2 yaitu data latih 80 dan 20 data uji. Metode yang digunakan adalah dengan klasifikasi dengan algoritma Support Vector Machine (SVM).
References
Abidin, D. Z., Nurmaini, S., & Malik, R. F. (2017). Penerapan Metode K-Nearest Neighbor dalam Memprediksi Masa Studi Mahasiswa ( Studi Kasus?: Mahasiswa STIKOM Dinamika Bangsa ). Prosiding Annual Research Seminar, 3(1), 133–138.
Angga Ginanjar Mabrur, L. R. (2012). Penerapan Data Mining Untuk Memprediksi Kriteria Nasabah Kredit. Jurnal Komputer Dan Informatika (KOMPUTA), 1(1), 53–57.
Bhat, K. I., Chauhan, M. K. S., Kumar, A., & Kumar, P. (2014). Synthesis, pharmacological, and biological screening of novel derivatives of benzodiazepines. Journal of Heterocyclic Chemistry, 51(4), 1189–1192. https://doi.org/10.1002/jhet.1722
Hananto, V. (2017). Analisis Penentuan Metode Data Mining Untuk Prediksi Kelulusan Mahasiswa Sebagai Penunjang Angka Efisiensi Edukasi. Jurnal Ilmiah SCROLL, 5(1), 1–11. http://repository.dinamika.ac.id/id/eprint/2122/4/Panalisis_Penentuan_Metode_Data_Mining_Utk_Prediksi_Kelulusan_Mahasiswa.pdf
Ridwan, M., Suyono, H., & Sarosa, M. (2013). Penerapan Data Mining Untuk Evaluasi Kinerja Akademik Mahasiswa Menggunakan Algoritma Naive Bayes Classifier. Eeccis, 7(1), 59–64. https://doi.org/10.1038/hdy.2009.180
Sebagai, D., Satu, S., Memperoleh, U., & Sarjana, G. (2010). APLIKASI DATA MINING UNTUK MENAMPILKAN INFORMASI TINGKAT KELULUSAN MAHASISWA ( Studi Kasus di Fakultas MIPA Universitas Diponegoro ). Universitas Stuttgart.
Syahrin, A. (2013). Implementasi algoritma k-means untuk klasterisasi mahasiswa berdasarkan prediksi waktu kelulusan skripsi. UPN “Veteran” Jatim, 1–23.
Trimanto, A., Faqih, F., Irfani, I. M., & Timur, S. (2015). Penerapan Data Mining Untuk Evaluasi Status Kelulusan Mahasiswa Fakultas Teknologi Pertanian Tahun 2015 Menggunakan Algoritma Naïve Bayes Classifier. Jurnal Ilmiah Ilmu Komputer.
Yatimah, M. N. (2021). Implementasi Data Mining untuk Prediksi Kelulusan Tepat Waktu Mahasiswa STIMIK ESQ Menggunakan Decision Tree C4.5. JUMANJI (Jurnal Masyarakat Informatika Unjani), 5(2), 89. https://doi.org/10.26874/jumanji.v5i2.95
Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru (STUDI KASUS?: UNIVERSITAS ISLAM INDRAGIRI). Sistemasi, 7(3), 238–249.
