Analisis Sentimen Pengguna X Terhadap Kasus Harvey Moeis Menggunakan Algoritma Naive Bayes

Abstract

Penelitian ini menganalisis sentimen pengguna media sosial X terhadap kasus korupsi Harvey Moeis menggunakan algoritma Naive Bayes. Data dikumpulkan melalui proses scraping dan diproses melalui teknik preprocessing seperti stemming, penghapusan stopwords, dan tokenisasi. Data awal sebanyak 110 entri kemudian diseimbangkan menggunakan teknik SMOTE (Synthetic Minority Oversampling Technique) untuk memastikan distribusi yang adil di antara kelas sentimen positif, negatif, dan netral. Model Multinomial Naive Bayes digunakan untuk klasifikasi, dengan evaluasi berdasarkan metrik seperti akurasi, precision, recall, dan f1-score.Hasil penelitian menunjukkan akurasi model mencapai 91%, dengan performa terbaik pada sentimen negatif (-1) dan positif (1). Distribusi sentimen menunjukkan kategori netral (0) paling dominan, mengindikasikan mayoritas opini publik tidak menunjukkan emosi kuat baik positif maupun negatif. Sentimen negatif memiliki jumlah signifikan, sedangkan sentimen positif relatif jarang. Penelitian ini menegaskan efektivitas algoritma Naive Bayes dalam analisis sentimen berbasis teks, serta memberikan wawasan penting tentang persepsi publik terkait kasus korupsi yang dianalisis.