Publikasi
Karya Ilmiah MahasiswaPencarian Spesifik
Kunjungan
Media sosial X menjadi salah satu wadah bagi masyarakat Indonesia dalam menyampaikan opini dan berbagi informasi mengenai kinerja pemerintahan, termasuk mengenai 100 hari pertama pemerintahan Prabowo–Gibran. Opini publik yang disampaikan dalam bentuk teks bersifat tidak terstruktur sehingga memerlukan metode analisis otomatis untuk mengetahui sentimen masyarakat secara objektif. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kinerja pemerintahan Prabowo–Gibran selama 100 hari pertama serta membandingkan performa algoritma klasifikasi Naïve Bayes dan Support Vector Machine. Data diperoleh dari platform X melalui proses crawling menggunakan kata kunci terkait sehingga diperoleh sebanyak 2.420 tweet berbahasa Indonesia. Data kemudian melalui beberapa tahapan pengolahan, yaitu preprocessing, pelabelan sentimen menggunakan metode lexicon-based sehingga menghasilkan kategori sentimen positif, negatif, dan netral, serta proses ekstraksi fitur. Selanjutnya dilakukan pembagian data dengan rasio 80:20 untuk data latih dan data uji. Untuk mengatasi ketidakseimbangan kelas pada data sentimen, digunakan metode Synthetic Minority Oversampling Technique (SMOTE). Evaluasi model dilakukan menggunakan confusion matrix dengan metrik precision, recall, dan f1-score. Hasil penelitian menunjukkan bahwa penerapan SMOTE mampu meningkatkan kinerja model dalam mengenali kelas minoritas. Berdasarkan hasil evaluasi model, algoritma Support Vector Machine menunjukkan performa klasifikasi yang lebih baik dibandingkan dengan Naïve Bayes berdasarkan nilai precision, recall, dan f1-score yang diperoleh. Penelitian ini menunjukkan bahwa Support Vector Machine lebih efektif dalam melakukan klasifikasi sentimen teks berbahasa Indonesia pada data media sosial.
Al-Husna, Septiana, G., Asmarajati, D., Ihsanudin, Ahmad, I., & Mahmudati, R. (2024). Perbandingan Metode Naive Bayes dan Support Vector Machine untuk Analisis Sentimen pada Ulasan Pengguna Aplikasi Linkedin. Jurnal Ilmiah Teknik Dan Ilmu Komputer, 3(2), 139–144. https://doi.org/10.55123
Auditya, L., Husaini, & Lismawati. (2013). Pengaruh Akuntabilitas dan Transparansi Pengelolaan Keuangan Daerah terhadap Kinerja Pemerintah Daerah Provinsi Bengkulu. Jurnal Fairness, 3(1), 21–42.
Aulia, E. (2024). Analisis User Experience Aplikasi Twitter menggunakan Metode User Experience Questionnaire (UEQ). Jurnal Teknik Dan Science, 3(1), 31–39. https://journal.admi.or.id/index.php/JTS/article/view/907/1411
Cahya, M. N., Ningsih, W., & Lestari, A. (2023). Dampak Media Sosial terhadap Kesejahteraan Psikologi. Jurnal Sosial Dan Teknologi (SOSTECHI), 3(8), 703–706. file:///C:/Users/ASUS/Downloads/Dampak_Media_Sosial_terhadap_Kesejahteraan_Psikolo.pdf
Duei, P. D., Nama, G. F., & Sulistiono, W. E. (2022). Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Informatika Dan Teknik Elektro Terapan, 10(1), 34–40. https://doi.org/10.23960/jitet.v10i1.2262
Edowai, M., Abubakar, H., & Said, M. (2021). Indonesian Journal of Business and Management Terhadap Kinerja Pemerintah Daerah Kabupaten Deiyai Analysis of Regional Financial Management Accountability and Transparency on the Performance of the Regional Government of Deiyai Regency. Indonesian Journal of Business and Management, 4(1), 87–96. https://doi.org/10.35965/jbm.v4i1.1184
Farros, M., Haq, I., Rosyadi, I., Nasir, M., & Khambali, A. (2024). Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store. Jurnal Surya Informatika, 14(1), 24–29. https://jurnal.umpp.ac.id/index.php/surya_informatika/article/view/1785/1199
Fathoni, Naufal, Fernanda, M., Puspitaningrum, Yulia, E., & Sihananto, Nugroho, A. (2024). Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM. Jurnal Informatika Dan Sains Teknologi, 1(3), 62–76. https://journal.aptii.or.id/index.php/Modem/article/view/112/164
Fauziningrum, E., Pd, M., Suryaningsih, E. I., Pd, M., Maritim, B. I., Tree, D., & Matrix, C. (2021). Evaluasi dan Prediksi Penguasaan Bahasa Inggris Maritim menggunakan Metode Decision Tree dan Confusion Matrix ( Studi Kasus di Universitas Maritim Amni ). Repository Universitas Maritim Amni (UNIMAR AMNI) Semarang. http://repository.unimar-amni.ac.id/3837/1/Prosiding_Evaluasi dan Prediksi Penguasaan Bahasa Inggris Maritim Menggunakan Metode Decision Tree dan Confusion Matrix_UNIMAR AMNI.pdf
Firdan, M., Handayani, H., Rosyadi, I., & Artanto, A. F. (2025). Analisis Sentimen pada Media Sosial X terhadap Fenomena Tech Winter dengan menggunakan Metode Naive Bayes. Jurnal Surya Informatika.
Hendrastuty, N., Isnain, A. R., Rahmadhani, A. Y., Studi, P., Informasi, S., Indonesia, U. T., Informatika, P. S., Indonesia, U. T., & Lampung, K. B. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Pengembangan IT, 6(3), 150–155. https://media.neliti.com/media/publications/467026-none-9a487803.pdf
Hilda, A. K. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine dalam Klasifikasi Penyakit Diabetes Melitus. Journal of Information Tecnology Ampera, 1(3), 133–143. https://pdfs.semanticscholar.org/5d05/386cf8ad2cd4e3d0429e751a65472f42fa46.pdf
Hudaya, F., & Fitroh. (2023). Systematic Literature Review?: Analisis Sentimen Berbasis Deep Learning. Jurnal Nasional Teknologi Dan Sistem Informasi, 9(2), 132–140. https://doi.org/https://doi.org/10.25077/TEKNOSI.v9i2.2023.132-140
Junaedy, F. Z., Insani, R. H., & Santoso, I. (2022). Komparasi Algoritma Support Vector Machine dan Naive Bayes pada Analisis Sentimen Fomula-E Jakarta Tahun 2022. Jurnal IKRAITH-Informatika, 7(2), 157–164. https://doi.org/https://journals.upi-yai.ac.id/index.php/ikraith-informatika/issue/archive
Khairunnisa, S., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter ( Studi Kasus Pandemi. Jurnal Media Informatika Budidarma, 5(April), 406–414. https://doi.org/10.30865/mib.v5i2.2835
Kristiyanti, D. A. (2015). Analisis Sentimen Review Produk Kosmetik menggunakan Algoritma Support Vector Machine dan Particle Swarm Optimization sebagai Metode Seleksi Fitur. Seminar Nasional Inovasi Dan Tren (SNIT) 2015, A. 134-A. 141.
Larasati, F. A., Ratnawati, D. E., & Hanggara, B. T. (2022). Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest. Jurnal Pengembangan Teknologi Informasi Dan Komputer, 6(9), 4305–4313. https://doi.org/http://j-ptiik.ub.ac.id
Lutfi, M., Surorejo, S., & Septiana, P. (2022). Systematic Literature Review?: Penerapan Algoritma Naive Bayes dalam Sistem Pakar. Jurnal Minfo Polgan, 11(2), 7–13. https://doi.org/https://doi.org/10.33395/jmp.v11i2.11635
Ma’rifa, H., Wibawa, A. P., & Akbar, M. I. (2020). Klasifikasi artikel ilmiah dengan berbagai skenario preprocessing. 2(2), 70–78. https://pdfs.semanticscholar.org/ff0b/4940be052b66a63c599348c04cb375db65d0.pdf
Muhamad, H., Prasojo, C. A., Sugianto, N. A., Surtiningsih, L., & Cholissodin, I. (2017). Optimasi Naive Bayes Classifier dengan menggunakan Particle Swarm Optimization pada Data Iris. Jurnal Teknologi Informasi Dan Ilmu Komputer, 4(3), 180–184.
Musfiroh, D., Khaira, U., Eko, P., Utomo, P., & Suratno, T. (2021). Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon. Indonesian Journal of Machine Learning and Computer Science, 1(1), 24–33. https://doi.org/Journal Homepage: https://journal.irpi.or.id/index.php/malcom
Musu, W., & Ibrahim, A. (2021). Pengaruh Komposisi Data Training dan Testing terhadap Akurasi Algoritma C4 . 5. Seminar Sistem Informasi Dan Teknologi Informasi, 10(1), 186–195. https://doi.org/https://doi.org/10.36774/sisiti.v10i1.802
Nadhifah, S., Fatkhudin, A., & Artanto, F. A. (2025). Penerapan SVM Sebagai Algoritma Machine Learning Dalam Analisis Sentimen Terhadap Telemedicine di Indonesia Jurnal Surya Informatika. 15(2), 125–130.
Nahdlatul, U., Kalimantan, U., Studi, P., Informatika, T., Nahdlatul, U., & Kalimantan, U. (2024). Perbandingan Keakuratan Sistem Rekomendasi Produk Berbasis Content-Based Filtering Dan Collaborative Filtering Pada E-Commerce Shopee Menggunakan Matrik Precision, Recall Dan F1-Score [Universitas Nahdlatul Ulama Kalimantan Selatan]. https://repository.unukase.ac.id/id/eprint/359/
Nasihin, Z. T. N., Alam, S., & Andayani Komara, M. (2024). Analisis Sentimen Kinerja KPU di Pemilu 2024 pada Media Sosial X Menggunakan Metode Naïve Bayes. Jurnal Teknologi Informatika Dan Komputer, 10(2), 489–505. https://doi.org/10.37012/jtik.v10i2.2249
Nugroho, A. S., Witarto, A. B., & Handoko, D. (2003). Support Vector Machine — Teori dan Aplikasinya dalam Bioinformatika.
Nurcahyo, M. S., Jupriono, & Prayogo, D. M. (2025). Analisis Wacana Kritis Norman Fairclough tentang Pemberitaan Kepuasan Kinerja 100 Hari Prabowo Gibran di Media Online DetikNews.com. Sustainability (Switzerland), 11(1), 1–14. https://pubmed.ncbi.nlm.nih.gov/28459981/%0Ahttps://doi.org/10.1016/j.resenv.2025.100208%0Ahttp://scioteca.caf.com/bitstream/handle/123456789/1091/RED2017-Eng-8ene.pdf?sequence=12&isAllowed=y%0Ahttp://dx.doi.org/10.1016/j.regsciurbeco.2008.06.005%0Ahttps:
Nurpandi, F., Sulaeman, F. S., & Hermawan, A. (2024). Analisis Sentimen terhadap Kinerja Kepolisian Indonesia menggunakan Metode Multinomial Naive Bayes, Long Short-Term Memory, dan Lexicon Based. Media Jurnal Informatika, 16(1), 1–10. https://doi.org/https://jurnal.unsur.ac.id/mjinformatika
Pratama, A. K., Sudaryanto, E., & Kusnadi, Nadhilah, fildzahun H. (2025). Analisis Framing Pemberitaan 100 Hari Kerja Pemerintahan Prabowo-Gibran pada Media Online Detik.com dan Tempo.co (Edisi Januari 2025). Prosiding Seminar Nasional Mahasiswa Komunikasi, 03(02), 572–577. https://conference.untag-sby.ac.id/index.php/semakom/article/view/6210/3391
Putra, F., Tahiyat, H. F., & Ihsan, R. M. (2024). Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia. Indonesia Journal of Machine Learning and Computer Science, 4(1), 273–281. https://doi.org/https://doi.org/10.57152/malcom.v4i1.1085
Putra, K. T., Hariyadi, M. A., & Crysdian, C. (2023). Perbandingan Feature Extraction TF-IDF dan BOW untuk Analisis Sentimen Berbasis SVM. Jurnal Cahaya Mandalika, 3(2), 1449–1463. https://www.ojs.cahayamandalika.com/index.php/jcm/article/view/2292/1799
Putri, A., Hardiana, C. S., Novfuja, E., Siregar, F. T. P., Rahmaddeni, R., Fatma, Y., & Wahyuni, R. (2023). Komparasi Algoritma K-NN, Naive Bayes dan SVM untuk Prediksi Kelulusan Mahasiswa Tingkat Akhir. MALCOM: Indonesian Journal of Machine Learning and Computer Science, 3(1), 20–26. https://doi.org/10.57152/malcom.v3i1.610
Putro, H. F., Vulandari, R. T., & Saptomo, W. L. Y. (2020). Penerapan Metode Naive Bayes Untuk Klasifikasi Pelanggan. Jurnal Teknologi Informasi Dan Komunikasi (TIKomSiN), 8(2). https://doi.org/10.30646/tikomsin.v8i2.500
Ramly, A. R., & Sadriana, A. (2022). Pengaruh Media Sosial terhadap Hasil Belajar Siswa. JEMASI?: Jurnal Ekonomi Manajemen Dan Akuntansi, 17(1), 34–38. http://117.74.115.107/index.php/jemasi/article/download/532/154
Rismawan, S. A., Syahidin, Y., Piksi, P., Bandung, G., Bandung, K., & Informasi, S. (2023). Implementasi Website Berita Online Menggunakan Metode Crawling Data dengan Bahasa Pemrograman Python. JATISI: Jurnal Teknik Informatika Dan Sistem Informasi, 10(3), 167–178.
Rivanie, T., Pebrianto, R., Hidayat, T., Bayhaqy, A., Gata, W., & Novitasari, H. B. (2021). Analisis Sentimen Terhadap Kinerja Menteri Kesehatan Indonesia Selama Pandemi Covid-19. Jurnal Informatika, 21(1), 1–13. https://doi.org/10.30873/ji.v21i1.2864
Rizqilla, M., Nurani, D., Supriatin, Rahmi, A. N., & Maemunah, M. (2025). Analisis Sentimen Kinerja Jokowi Menggunakan Motode Naïve Bayes. Remik?: Riset Dan E-Jurnal Manajemen Informatika Komputer, 9(2), 550–561. https://doi.org/https://doi.org/10.33395/remik.v9i2.14670
Rosyadi, I., Artanto, F. A., & Febrianto, M. Y. (2021). Pengaruh Kepuasan Kerja terhadap Kinerja Karyawan di RTO dengan Structural Equation Modeling ( SEM ) dan Partial Least Square ( PLS ). Jurnal Surya Informatika, 11(1), 1–9. https://doi.org/https://doi.org/10.48144/suryainformatika.v11i1.1096
Rosyadi, I., Kusumawardhani, H. H., & Robihaini. (2022). Sistem Informasi Fasilitas Penanganan Covid-19 di Kecamatan Paninggaran Berbasis Web. Jurnal Surya Informatika, 12(1), 1–8. https://jurnal.umpp.ac.id/index.php/surya_informatika/article/view/1164/856
Saito, T., & Rehmsmeier, M. (2015). The Precision-Recall Plot Is More Informative than the ROC Plot When Evaluating Binary Classifiers on Imbalanced Datasets. PLOS ONE, 10(3), 1–21. https://doi.org/10.1371/journal.pone.0118432
Saleh, A. (2015). Implementasi Metode Klasifikasi Naïve Bayes Dalam Memprediksi Besarnya Penggunaan Listrik Rumah Tangga. Creative Information Technology Journal (CITEC Journal), 2(3), 207–217. https://doi.org/https://doi.org/10.24076/citec.2015v2i3.49
Sani, R. R., Pratiwi, Y. A., Winarno, S., Udayanti, E. D., & Alzami, F. (2022). Analisis Perbandingan Algoritma Naive Bayes Classifier dan Support Vector Machine untuk Klasifikasi Berita Hoax pada Berita Online Indonesia. Jurnal Masyarakat Informatika, 13(2), 85–98. https://doi.org/10.14710/jmasif.13.2.47983
Shalaby, M. R., Ichsan, N., & Hariyanto, M. (2025). Analisis Sentimen 100 Hari Kinerja Prabowo Gibran menggunakan Algoritma Naive Bayes Classifier melalui Platform X. Jurnal Sistem Informasi Dan Informatika, 4(1), 1–11. https://repository.bsi.ac.id/repo/files/468833/download/Jurnal_Full.pdf
Sitanggang, A., Umaidah, Y., Umaidah, Y., Adam, R. I., & Adam, R. I. (2024). Analisis Sentimen Masyarakat Terhadap Program Makan Siang Gratis Pada Media Sosial X Menggunakan Algoritma Naïve Bayes. Jurnal Informatika Dan Teknik Elektro Terapan, 12(3). https://doi.org/10.23960/jitet.v12i3.4902
Styawati, S., Isnain, A. R., Hendrastuty, N., & Andraini, L. (2021). Comparison of Support Vector Machine and Naïve Bayes on Twitter Data Sentiment Analysis. Jurnal Informatika: Jurnal Pengembangan IT, 6(1), 56–60. https://doi.org/10.30591/jpit.v6i1.3245
Sukmajati, M. (2025). 100 Hari Pemerintahan Prabowo–Gibran: Pakar UGM nilai masih minim kejelasan perencanaan dan eksekusi. https://ugm.ac.id/id/berita/100-hari-pemerintahan-prabowo-gibran-pakar-ugm-nilai-masih-minim-kejelasan-perencanaan-dan-eksekusi/
Wati, R., Ernawati, S., & Rachmi, H. (2023). Pembobotan TF-IDF Menggunakan Naïve Bayes Pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH TF-IDF Weighting Using Naïve Bayes on Public Sentiment on The Issue of Rising BIPIH. Jurnal Manajemen Informatika, 13(1), 84–93. https://doi.org/https://doi.org/10.34010/jamika.v13i1.9424
Weiss, G. M., & Provost, F. (2000). Machine Learning from Imbalanced Data Sets. Proceedings of the AAAI Workshop on Learning from Imbalance Data Sets (WS-00-05), 10–15.
| Properti | Nilai Properti |
|---|---|
| Organisasi | Universitas Muhammadiyah Pekajangan Pekalongan |
| umpp.pekalongan@yahoo.com | |
| Alamat | Jl. Raya Pekajangan No. 1A Kedungwuni Pekalongan |
| Telepon | (0285) 7832294 |
| Tahun | 2026 |
| Kota | Pekalongan |
| Provinsi | Jawa Tengah |
| Negara | Indonesia |