Klasifikasi ANALISIS SENTIMEN TWEET MASYARAKAT PADA ISU INDONESIA GELAP DI MEDIA SOSIAL X MENGGUNAKAN ALGORITMA NAÏVE BAYES DAN METODE COUNTVECTORIZER

Abstract

Platform media sosial X telah menjadi platform utama bagi masyarakat untuk menyuarakan pendapat mereka, salah satunya adalah isu “Indonesia Gelap” (Indonesia Gelap), yang mencerminkan ketidakpuasan publik terhadap keputusan pemerintah salah satunya yaitu pemangkasan anggaran pendidikan dan revisi uu minerba. Studi ini bertujuan untuk menganalisis sentimen publik terhadap isu tersebut dengan mengklasifikasikan tweet ke dalam kategori positif, negatif, dan netral. Data dikumpulkan dari X selama periode 1–28 Februari 2025, menghasilkan 2.534 tweet bersih setelah prapemrosesan. Studi ini menerapkan algoritma Naïve Bayes untuk klasifikasi dengan ekstraksi fitur menggunakan CountVectorizer. Hasil menunjukkan bahwa sentimen publik didominasi oleh opini negatif (87,7%), diikuti oleh sentimen positif (6,8%) dan netral (5,5%). Evaluasi model menggunakan matriks kebingungan menunjukkan tingkat akurasi keseluruhan sebesar 86%. Model ini berkinerja sangat baik dalam mengklasifikasikan sentimen negatif dengan skor F1 sebesar 93%, namun kinerjanya lebih rendah untuk kelas positif dan netral akibat ketidakseimbangan data yang signifikan. Visualisasi data melalui WordCloud memperkuat temuan ini, menunjukkan dominasi kata-kata dengan nada ketidakpuasan seperti ‘orang’, ‘negara’, dan ‘darurat’ dalam sentimen negatif. Studi ini mengonfirmasi keefektifan Naïve Bayes dalam menganalisis tren sentimen pada data media sosial.