Implementasi Naive Bayes untuk Analisis Sentimen terhadap Program Food Estate sebagai Solusi Ketahanan Pangan
Keywords:
Analisis Sentimen, Implementasi, Food Estate, Naive BayesAbstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program Food Estate sebagai upaya meningkatkan ketahanan pangan di Indonesia. Masalah yang diteliti meliputi pengidentifikasian pola opini, evaluasi respons, dan pemahaman umum terhadap program tersebut. Solusi yang diharapkan adalah memberikan wawasan yang mendalam mengenai persepsi publik terhadap Food Estate, yang dapat digunakan sebagai dasar untuk perbaikan kebijakan dan komunikasi pemerintah. Metode yang digunakan meliputi pengolahan bahasa alami, dimana teks-tipe data diambil, dianalisis, dan diberi label sentimen. Teknik klasifikasi menggunakan Naive Bayes untuk mengklasifikasikan sentimen menjadi positif dan negatif. Penggunaan Naive Bayes tersebut diharapkan dapat memberikan hasil yang komprehensif dan akurat dalam analisis sentimen. Data akan dikumpulkan melalui teknik web scraping dan analisis sentimen akan dilakukan menggunakan Rapid Miner. Hasil akhir dari analisis sentimen terhadap program food estate sebagai solusi ketahanan pangan berdasarkan data yang diperoleh dari Twitter (X) dan diimplementasikan dengan metode Naïve Bayes menunjukkan nilai akurasi sebesar 81,7704%. Dari 1333 data, diprediksi 519 data sebagai Sentimen Positif dan 814 data sebagai Sentimen Negatif. Sehingga dapat disimpulkan bahwa sebagian masyarakat tidak mempercayai adanya program food estate sebagai solusi ketahanan pangan.
References
Ardana, Y. dan Kambau, R.A. (2023) “PERBANDINGAN ANALISIS SENTIMEN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES TERHADAP TANGGAPAN PUBLIK TENTANG PEMBELAJARAN ONLINE DI MASA PANDEMI COVID-19,” 3(1).
Berliani, S. dan Lestari, S. (2024) “Analisis Sentimen Masyarakat Terhadap Isu Pecat Sri Mulyani Pada Twitter Menggunakan Metode Naive Bayes Dan Support Vector Machine,” Jurnal Sains dan Teknologi, 5(3), hal. 951–960. Tersedia pada: https://doi.org/10.55338/saintek.v5i3.2746.
Fadillah, M. (2023) “PROBLEM SOLVING DALAM MENINGKATAKAN MINAT MEMBACA MAHASISWA PADA MATA KULIAH ISU-ISU KONTEMPORER PENDIDIKAN UMUM DAN ISLAM,” Jurnal Ilmiah Keagamaan,Pendidikan dan Kemasyarakatan, 14(2), hal. 141–156.
GUNAWAN, C.I. (2020) Lumbung Pangan Gratis Model Cakti: Solusi Kelangkaan Pangan Dan Chaos Dunia, Cv Irdh. books.google.com. Tersedia pada: https://books.google.com/books?hl=en&lr=&id=05UdEAAAQBAJ&oi=fnd&pg=PT28&dq=kelangkaan+barang&ots=4ugdfl60Qf&sig=IioXIL15qLTaFmYFGNL6LpFmVPU.
Hamborg, F. dan Donnay, K. (2021) “NewsMTSC: A dataset for (multi-)target-dependent sentiment classification in political news articles,” EACL 2021 - 16th Conference of the European Chapter of the Association for Computational Linguistics, Proceedings of the Conference, hal. 1663–1675.
Kudrat dan Matheos Sarimole, F. (2024) “Analisis Sentimen Terhadap Aplikasi Satu Sehat Pada Twitter Menggunakan Algoritma Naive Bayes Dan Support Vector Machine,” Jurnal Sains dan Teknologi, 5(3), hal. 783–790. Tersedia
Nurrachmat Hidayat, F. (2023) “Analisis Sentimen Masyarakat Terhadap Perekrutan PPPK Pada Twitter Dengan Metode Naive Bayes … (Fajar Nurrachmat Hidayat, Sugiyono) Analisis Sentimen Masyarakat Terhadap Perekrutan PPPK Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine,” Jurnal Sains dan Teknologi, 5(2), hal. 665–672. Tersedia pada: https://doi.org/10.55338/saintek.v5i1.1359.
Pratiwi, I.Y.R. (2022) “Hoax news identification using machine learning model from online media in Bahasa Indonesia,” MATRIX : Jurnal Manajemen Teknologi dan Informatika, 12(2), hal. 58–67. Tersedia pada: https://doi.org/10.31940/matrix.v12i2.58-67.
Setiawan, K. (2020) “Daftar Stopword Bahasa Indonesia.” Tersedia pada: https://www.kaggle.com/datasets/oswinrh/indonesian-stoplist.
Setiawan, K. et al. (2020) “Komparasi Metode Naive Bayes Dan Support Vector Machine Menggunakan Particle Swarm Optimization Untuk Analisis Sentimen Mobil Esemka,” JISAMAR (Journal of Information System, Applied, Management, Accounting and Research), 4(3), hal. 102–111. Tersedia pada: http://journal.stmikjayakarta.ac.id/index.php/jisamarTelp.+62-21-3905050.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Raden Muhammad Jachfitrah Ardhi Sumabrata, Kiki Setiawan, Kastum Kastum (Author)

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

