Analisis Sentimen Masyarakat terhadap Kebijakan Pembinaan Barak Militer oleh Gubernur Jawa Barat pada Komentar YouTube Menggunakan Metode XGBoost
Kata Kunci:
Analisis Sentimen, Kebijakan Pemerintah, Barak Militer, XGBoost, Jawa BaratAbstrak
Kebijakan pemerintah seringkali menimbulkan beragam reaksi dari masyarakat, yang dapat diamati melalui platform media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan pembinaan barak militer oleh Gubernur Jawa Barat berdasarkan komentar YouTube. Data komentar dikumpulkan dari beberapa video YouTube yang membahas kebijakan tersebut. Setelah itu diproses melalui tahapan preprocessing seperti case folding, cleaning, tokenizing, normalizing, stopword removal, dan stemming. Analisis sentimen dilakukan menggunakan model XGBoost yang dilatih untuk mengklasifikasikan sentimen menjadi positif, negatif, dan netral. Model XGBoost menunjukkan kinerja yang baik dalam mengklasifikasikan sentimen, dengan akurasi rata-rata sebesar 83%. Temuan penelitian ini mengungkapkan distribusi sentimen masyarakat hasil model XGBoost di mana 44.7% komentar bersifat positif, 12.1% negatif, dan 43.2% netral terhadap kebijakan tersebut. Hasil analisis sentimen ini memberikan gambaran langsung mengenai persepsi publik, yang dapat menjadi masukan berharga bagi pemerintah provinsi Jawa Barat dalam merumuskan atau mengkomunikasikan kebijakan di masa mendatang.
Referensi
[2] F. Aftab et al., “A Comprehensive Survey on Sentiment Analysis Techniques,” International Journal of Technology, vol. 14, no. 6, pp. 1288–1298, 2023, doi: 10.14716/ijtech.v14i6.6632.
[3] S. Khairunnisa, Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 5, no. 2, pp. 406–414, Apr. 2021, doi: 10.30865/mib.v5i2.2835.
[4] D. Septiani and I. Isabela, “ANALISIS TERM FREQUENCY INVERSE DOCUMENT FREQUENCY (TF-IDF) DALAM TEMU KEMBALI INFORMASI PADA DOKUMEN TEKS,” SINTESIA: Jurnal Sistem dan Teknologi Informasi Indonesia, vol. 01, no. 2, Mar. 2022.
[5] A. I. A. Osman, A. N. Ahmed, M. F. Chow, Y. F. Huang, and A. El-Shafie, “Extreme gradient boosting (Xgboost) model to predict the groundwater levels in Selangor Malaysia,” Ain Shams Engineering Journal, vol. 12, no. 2, pp. 1545–1556, Jun. 2021, doi: 10.1016/j.asej.2020.11.011.
[6] E. Sutoyo and M. A. Fadlurrahman, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network,” vol. 6, no. 3, Dec. 2020.
