Analisis Sentimen Masyarakat Terhadap Kenaikan Harga Bbm Pada Twitter Menggunakan Metode Gaussian, Naïve Bayes

Nur Azizah Retno Puji Astuti; Iqbal Maulana; Tesa Nur Padilah

doi:10.69693/ijim.v4i3.1941

Authors

Nur Azizah Retno Puji Astuti Universitas Singaperbangsa Karawang
Iqbal Maulana Universitas Singaperbangsa Karawang
Tesa Nur Padilah Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.69693/ijim.v4i3.1941

Keywords:

Analisis Sentimen, Knowledge Discovery In Database, Kenaikan Harga BBM, Twitter, Gaussian Naïve Bayes

Abstract

Bahan Bakar Minyak (BBM) merupakan salah satu dari komoditas utama masyarakat yang penting untuk kehidupan sehari-hari serta berpengaruh secara simultan terhadap banyak sektor. Adanya kenaikan harga Bahan Bakar Minyak (BBM) ini menjadi isu yang sensitif di kalangan masyarakat dan selalu memicu respon yang masif baik secara langsung ataupun pada media sosial seperti Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kenaikan harga BBM di media sosial Twitter dengan menerapkan algoritma Gaussian Naïve Bayes. Dengan menggunakan metode Knowledge Discovery in Database (KDD) yang memiliki proses data selection, data pre-processing, data transformation, data mining dan evaluation. Dataset yang diperoleh melalui crawling data sebanyak 6.979 tweets dari bulan januari sampai November 2022 dengan 3.357 tweets positif, 1.488 tweets negatif dan 1.367 tweets netral. Peneliti melakukan perbandingan data latih dan data uji dengan perbandingan 80:20 yang mendapatkan nilai accuracy 51%, precision 52%, recall 55% dan f1-score 51%.

Kata kunci: Analisis Sentimen, Knowledge Discovery in Database, Kenaikan Harga BBM, Twitter, Gaussian Naïve Bayes.

Downloads

Download data is not yet available.

References

Absharina, E. D., & Nurqolbiah, F. (2025). Analisis Sentimen Komentar Video Youtube Review Starlink Indonesia oleh Gadgetin menggunakan VADER dan TextBlob. 14(3), 4383–4389. https://doi.org/https://doi.org/10.33022/ijcs.v14i3.4686

Alam, M., Abid, F., Guangpei, C., & Yunrong, L. V. (2020). Social media sentiment analysis through parallel dilated convolutional neural network for smart city applications. Computer Communications, 154(January), 129–137. https://doi.org/10.1016/j.comcom.2020.02.044

Aribowo, A. S., & Khomsah, S. (2021). Implementation Of Text Mining For Emotion Detection Using The Lexicon Method (Case Study: Tweets About Covid-19). Telematika, 18(1), 49.

Arifin, O., & Sasongko, T. B. (2018). Analisa perbandingan tingkat performansi metode support vector machine dan naïve bayes classifier. Seminar Nasional Teknologi Informasi Dan Multimedia 2018, 6(1), 67–72.

asroni, F., & Hidayatul, P. E. (2018). Penerapan metode clustering dengan algoritma k-means pada pengelompokkan data calon mahasiswa baru di universitas muhammadiyah yogyakarta (studi kasus: fakultas kedokteran dan ilmu kesehatan, dan fakultas ilmu sosial dan ilmu politik). Semesta Teknika, 21(1), 60-64.

Chakraborty, K., Bhatia, S., Bhattacharyya, S., Platos, J., Bag, R., & Hassanien, A. E. (2020). Sentiment Analysis of COVID-19 tweets by Deep Learning Classifiers—A study to show how popularity is affecting accuracy in social media. Applied Soft Computing Journal, 97, 106754. https://doi.org/10.1016/j.asoc.2020.106754

Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131.

Dewi, I. P., Jondri, J., & Lhaksmana, K. M. (2021). Prediksi Retweet Menggunakan Metode Bernoulli Dan Gaussian Naive Bayes Di Media Sosial Twitter Dengan Topik Vaksinasi Covid-19. EProceedings of Engineering, 8(5), 11216–11225.

Ernawati, S., & Wati, R. (2024). Evaluasi Performa Kernel SVM dalam Analisis Sentimen Review Aplikasi ChatGPT Menggunakan Hyperparameter dan VADER Lexicon. 15(April), 40–49.

Fauziah, N., Alkautsar, M., Suryaman, Y., & Roji, F. F. (2024). Pelabelan VADER Dalam Menganalisis Persepsi Masyarakat Terhadap Kenaikan Tarif PPN di Indonesia. 12(2), 228–238. https://doi.org/https://doi.org/10.29103/jak.v12i2.16796

Hendrastuty, N., Rahman Isnain, A., Yanti Rahmadhani, A., Styawati, S., Hendrastuty, N., Isnain, A. R., Rahman Isnain, A., Yanti Rahmadhani, A., Styawati, S., Hendrastuty, N., & Isnain, A. R. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150–155.

Leonardi, V. H., Ibrahim, A., Kurnia, R. D., & Afrina, M. (2025). Analisis Sentimen Ulasan Aplikasi Pembelajaran Bahasa Menggunakan Metode VADER. 22(1), 767–776. https://doi.org/10.33364/algoritma/v.22-1.2285

Merinda Lestandy, Abdurrahim Abdurrahim, & Lailis Syafa’ah. (2021). Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naïve Bayes. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 802–808.

Mujahidin, S., Prasetio, B., & Utomo, M. C. C. (2022). Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga BBM Pada Komentar Youtube Dengan Metode Gaussian naïve bayes. Voteteknika (Vocational Teknik Elektronika Dan Informatika), 10(3), 17. https://doi.org/10.24036/voteteknika.v10i3.118299

Ramadhan, N. G., & Adhinata, F. D. (2022). Sentiment analysis on vaccine COVID-19 using word count and Gaussian Naïve Bayes. 26(3), 1765–1772. https://doi.org/10.11591/ijeecs.v26.i3.pp1765-1772

Ratnawati, F. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. INOVTEK Polbeng - Seri Informatika, 3(1), 50.

Rizka, Z. K., Jumanto, & Zaini, Z. (2026). Performance Comparison of Naive Bayes and Support Vector Machine Algorithms in Sentiment Analysis of TIX ID Application Reviews Using VADER Automatic Labeling. 4(2), 147–158. https://doi.org/https://doi.org/10.52465/joiser.v4i2.3

Saputro, I. W., & Sari, B. W. (2020). Uji Performa Algoritma Naïve Bayes untuk Prediksi Masa Studi Mahasiswa. Creative Information Technology Journal, 6(1), 1. https://doi.org/10.24076/citec.2019v6i1.178

Septian, J. A., Fachrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor. Journal of Intelligent System and Computation, 1(1), 43–49.

Septianingrum, F., Jaman, J. H., & Enri, U. (2021). Analisis Sentimen Pada Isu Vaksin Covid-19 di Indonesia dengan Metode Naive Bayes Classifier. In Jurnal Media Informatika Budidarma (Vol. 5, Issue 4). https://doi.org/10.30865/mib.v5i4.3260

Wati, R., & Ernawati, S. (2021). Analisis Sentimen Persepsi Publik Mengenai PPKM Pada Twitter Berbasis SVM Menggunakan Python. Jurnal Teknik Informatika UNIKA Santo Thomas, 06, 240–247. https://doi.org/10.54367/jtiust.v6i2.1465

Widaningsih, S. (2019). Perbandingan Metode Data Mining Untuk Prediksi Nilai Dan Waktu Kelulusan Mahasiswa Prodi Teknik Informatika Dengan Algoritma C4,5, Naïve Bayes, Knn Dan Svm. Jurnal Tekno Insentif, 13(1), 16–25. https://doi.org/10.36787/jti.v13i1.78

Yuliastuti, G. E., Wardhana, S. R., & Afif, M. (2024). Penerapan Insert-Lexicon untuk Analisis Sentimen Kenaikan Harga BBM pada Media Sosial Twitter. Teknologi Informasi Dan Komunikasi, 19(100), 93–100. https://doi.org/https://doi.org/10.33005/scan.v19i2.4730

Yulita, W., Dwi Nugroho, E., Habib Algifari, M., Studi Teknik Informatika, P., Teknologi Sumatera, I., Terusan Ryacudu, J., Huwi, W., Agung, J., & Selatan, L. (2021). Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier. Jdmsi, 2(2), 1–9.

Yustika, T. D. (2020). Faktor-Faktor yang Menyebabkan Terjadinya Perceraian Menggunakan Algoritma Apriori. http://repository.uin-suska.ac.id/30167/%0Ahttp://repository.uin-suska.ac.id/30167/1/sripsi full.pdf