Analisis Sentimen Hak Angket Twitter Menggunakan Naive Bayes dan K-Fold Cross Validation

Mencari Pendapat Masyarakat Tentang Hak Angket di Twitter: Sebuah Analisis Sentimen

Dalam era digital ini, media sosial telah menjadi platform utama bagi masyarakat untuk menyuarakan pendapat mereka. Salah satu media sosial yang sangat populer di Indonesia adalah Twitter, yang sering digunakan untuk berdiskusi tentang berbagai isu, termasuk isu politik yang sedang hangat dibicarakan, seperti hak angket.

Hak angket sendiri adalah hak DPR untuk melakukan penyelidikan terhadap pelaksanaan undang-undang dan kebijakan pemerintah yang penting dan strategis. Wacana hak angket ini muncul karena dugaan kecurangan pada Pemilu 2024, yang diusulkan oleh Ganjar Pranowo dan didukung oleh Anies Baswedan.

Untuk memahami bagaimana masyarakat bereaksi terhadap isu ini, kami melakukan penelitian menggunakan analisis sentimen di Twitter. Dalam penelitian ini, kami menggunakan algoritma Naive Bayes Classifier dan metode K-Fold Cross Validation.

Metodologi Penelitian

Penelitian ini terdiri dari beberapa tahap:

1. Pengumpulan Data: Kami mengumpulkan data opini masyarakat tentang hak angket dari Twitter menggunakan API Twitter. Data dikumpulkan dalam bentuk tweet yang mengandung hashtag #hakangket selama periode tertentu.

2. Preprocessing Data: Data mentah yang dikumpulkan kemudian diproses untuk mengurangi noise. Langkah-langkahnya termasuk pembersihan data, case folding (mengubah semua huruf menjadi kecil), penghapusan stopwords, stemming (mengubah kata ke bentuk dasar), dan normalisasi kata.

3. Ekstraksi Fitur: Setelah preprocessing, kami memberi label dan bobot pada kata-kata dalam tweet menggunakan pustaka TextBlob Python, yang mengklasifikasikan tweet sebagai positif atau negatif.

4. Algoritma Naive Bayes: Algoritma ini digunakan untuk memprediksi probabilitas suatu tweet menjadi positif atau negatif berdasarkan prinsip probabilitas dan konsep statistik.

5. K-Fold Cross Validation: Metode ini digunakan untuk mengukur kinerja algoritma Naive Bayes dengan membagi dataset menjadi beberapa bagian untuk training dan testing, sehingga mengurangi bias dan menghindari overfitting.

Hasil Penelitian

Dari hasil penelitian, kami menemukan bahwa algoritma Naive Bayes yang digabungkan dengan metode K-Fold Cross Validation memberikan hasil yang lebih akurat. Berikut adalah beberapa temuan utama:

• Akurasi: Algoritma Naive Bayes menghasilkan akurasi tertinggi sebesar 89.68% setelah menggunakan K-Fold Cross Validation. Tanpa metode ini, akurasi hanya mencapai 68.30% pada data uji.
• Sentimen Masyarakat: Dari 911 tweet yang dianalisis, mayoritas masyarakat memberikan komentar positif terhadap wacana hak angket. Sentimen positif mencapai 501 komentar, sementara sentimen negatif lebih sedikit. 

Kesimpulan 

Penelitian ini menunjukkan bahwa penggunaan algoritma Naive Bayes dan K-Fold Cross Validation efektif untuk menganalisis sentimen masyarakat di Twitter tentang wacana hak angket. Dengan hasil yang akurat, metode ini bisa digunakan untuk memahami opini publik terhadap isu-isu penting lainnya.

Masyarakat tampaknya lebih banyak mendukung wacana hak angket, yang menunjukkan bahwa mereka menginginkan transparansi dan kejelasan dalam pemerintahan. Hasil penelitian ini bisa menjadi masukan bagi DPR dalam mengambil keputusan terkait hak angket.

Dengan semakin meningkatnya penggunaan media sosial untuk berdiskusi dan menyuarakan pendapat, analisis sentimen menjadi alat yang sangat berguna untuk memahami opini publik dan mengambil kebijakan yang lebih tepat.