Analisis Sentimen Pada Media Sosial Twitter Terhadap Pemindahan Ibukota Ke Provinsi Kalimantan Timur Menggunakan Text Mining Dan Algoritma Kelelawar

Nuurakbar, Gandhi Muhammad (2022) Analisis Sentimen Pada Media Sosial Twitter Terhadap Pemindahan Ibukota Ke Provinsi Kalimantan Timur Menggunakan Text Mining Dan Algoritma Kelelawar. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 02411850020006-Master_Thesis.pdf Restricted to Repository staff only Download (4MB) | Request a copy

Abstract

Rencana pemindahan ibukota negara Indonesia merupakan kebijakan pemerintahan yang baru-baru ini diumumkan. Kebijakan pemindahan ibukota dilakukan karena permasalahan Ibu Kota yang semakin kompleks memaksa pemerintah dalam mengambil kebijakan untuk pemindahan Ibu Kota Republik Indonesia. Pengumuman Presiden terkait pemindahan Ibu Kota Negara beberapa waktu yang lalu menjadi topik perbincangan hangat di media sosial twitter. Hal ini menjadi menarik karena ada dua pendapat yang berkembang di masyarakat yaitu mendukung dan tidak mendukung kebijakan tersebut, karena masing-masing masyarakat memiliki argumentasi yang berbeda-beda. Oleh karenanya diperlukan informasi yang akurat tentang seberapa besar masyarakat warga negara yang mendukung ataupun yang tidak mendukung, sehingga penelitian ini dianggap penting dalam menunjukan pola sentimen terhadap suatu kebijakan pengambilan keputusan. Penelitian tentang pendapat masyarakat mengenai pemindahan ibukota berperan penting untuk meminimalisir munculnya protes yang berlebihan (anti kebijakan). Penelitian ini berhasil membangun classifier pola sentiment pendapat masyarakat pada media sosial twitter berdasarkan kata kunci dalam Bahasa Indonesia. Model classifier naïve bayes dengan bantuan algoritma kelelawar berdasarkan tiga kelas sentimen dan dua kelas sentimen. Model terbaik algoritma kelelawar mampu digunakan dalam peningkatan performa pada klasifikasi sentimen dengan inisial kelelawar 25 dan iterasi 50 menunjukan hasil sebesar 60% (positif, negatif, dan netral) dan 75% (positif dan negatif) dengan pembagian data training yang lebih dominan. Dengan kenaikan 8% (positif, negatif, dan netral) dan 5% (positif dan negatif) maka model yang dibangun semakin dapat menangkap gejala pada analisis sentimen.
============================================================================================================================
The policy of displacement Indonesian capital was recently announced by the Indonesian government. This policy was taken because Jakarta as an Indonesian capital has increasingly complex problems. After the President announced regarding the plan to displace the Indonesian capital, it become a hot issue of discussion on the social media platform Twitter. This issue is considerable interesting for there are two opinions that develop within the general on public jakarta as a capital, the opinion in favor of the policy and the one that opposes it, with each side having their own arguments. It is necessary to have accurate information on how many citizens support the policy and how many are against it. Therefore, this study is essential in showing the pattern of public sentiment towards a decision-making policy. study on public opinion concerning the moving of the capital city plays a vital role in curbing the possible emergence of vehement protests (anti- policy). This study managed to build a classifier model of public sentiment patterns on the social media platform Twitter based on keywords in Indonesian. The naïve Bayes classifier model is three-class sentiment and two class sentiment. Nave Bayes classifier model with the help of bat algorithm based on three sentiment classes and two sentiment classes. The best model of the bat algorithm can be used to improve performance on sentiment classification with the initials bat 25 and iteration 50 showing results of 60% (positive, negative, and neutral) and 75% (positive and negative) with a more dominant distribution of training data. With an increase of 8% (positive, negative, and neutral) and 5% (positive and negative), the model built is increasingly able to capture the symptoms of sentiment analysis.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Ibukota Negara, Twitter, Bat Algorithm, Naïve Bayes, Capital Nation, Twitter, Bat Algorithm, Naïve Baye
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Industrial Technology and Systems Engineering (INDSYS) > Industrial Engineering > 26101-(S2) Master Thesis
Depositing User:	Mr. Marsudiyana -
Date Deposited:	19 Feb 2026 04:34
Last Modified:	19 Feb 2026 04:34
URI:	http://repository.its.ac.id/id/eprint/132509

Actions (login required)

View Item