Analisis Opini Publik di YouTube terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes
DOI:
https://doi.org/10.35473/jamastika.v5i1.4662Abstract
Pemindahan pusat pemerintahan nasional dari DKI Jakarta ke wilayah Kalimantan Timur telah memicu beragam tanggapan publik, menjadikannya isu strategis yang penting untuk dianalisis. Studi ini dilaksanakan untuk mengkaji kecenderungan sentimen masyarakat Indonesia mengenai berbagai pandangan yang muncul terkait isu tersebut pembangunan IKN melalui data komentar yang diambil dari platform YouTube. Analisis sentimen kebijakan publik ini Menjadi hal yang krusial untuk menggali bagaimana pandangan publik terhadap fungsi yang dimaksud strategis IKN sebagai sentra aktivitas pemerintahan, perekonomian, serta budaya. Kajian ini menggunakan pendekatan Data Mining dengan menerapkan algoritma klasifikasi Naïve Bayes. Proses dimulai dengan mengumpulkan 700 baris data komentar yang mengandung 8 atribut, yang kemudian dipisahkan digunakan sebagai sekitar 80% bagian untuk data pelatihan (560 komentar) serta dialokasikan sekitar 20% sebagai data untuk pengujian. Data pra-pemrosesan (pre-processing) dilakukan untuk memastikan kualitas data sebelum model Naïve Bayes dibangun menggunakan perangkat lunak RapidMiner. Model Naïve Bayes dipilih karena meskipun berasumsi independensi fitur yang sederhana, metode ini kerap menghasilkan keluaran klasifikasi tepat serta efektif., terutama didalam pengolahan teks. Hasil pengumpulan data menunjukkan distribusi sentimen yang cukup berimbang, terdiri dari 236 komentar positif, 248 komentar negatif, dan 216 komentar netral, dengan sedikit dominasi opini negatif. Kinerja model Naïve Bayes kemudian diuji menggunakan 352 sampel dari testing set. Hasil evaluasi, yang disajikan melalui Matriks Konfusi dan metrik kinerja, menjadi dasar penilaian kualitas prediksi model. Studi ini berhasil memanfaatkan metode Naïve Bayes dalam melakukan proses klasifikasi opini publik IKN, menunjukkan bahwa algoritma berbasis probabilitas ini efektif dalam menganalisis sentimen dari data media sosial
Kata Kunci: Analisis Opini Publik di YouTube terhadap Pemindahan pusat Ibu Kota Negara, Naïve bayes, Klasifikasi , Data Mining , RapidMiner
Relocation of the National Capital (IKN) from its previous area DKI from Jakarta to the East Kalimantan region has triggered various public responses, making it a critical strategic issue for analysisThis study seeks to analyze public sentiment in Indonesia regarding opini publik regarding IKN development using comment data collected from the YouTube platform. This public policy sentiment analysis is crucial for understanding the community's perception of IKN's strategic role as a center of governance, economy, and culture. The research employs a Data mining approach by utilizing the Naïve Bayes classification algorithm. process began with collecting 700 rows of comment data containing 8 attributes, which were then separated into 80% parts for training data (560 comments) and 20% testing data. Data pre-processing was performed to ensure data quality before the Naïve Bayes model was built using the RapidMiner software. The Naïve Bayes model was chosen because, despite its simple assumption of feature independence, it often provides accurate and efficient classification results, particularly in text processing. The data collection results showed a relatively balanced sentiment distribution, consisting of 236 positive, 248 negative, and 216 neutral comments, with a slight dominance of negative opinions. The performance of the Naïve Bayes model was subsequently tested using 352 samples from the testing set. The evaluation results, presented through the Confusion Matrix and performance metrics, served as the basis for assessing the model's prediction quality. This study successfully implemented Naïve Bayes to classify public opinion on IKN, demonstrating that this probability-based algorithm is effective in analyzing sentiment from social media data
Kata Kunci: Public Opinion Analysis on YouTube regarding the Relocation of the National Capital, Naïve Bayes, Classification, Data Mining, RapidMiner
References
Adelia, Sella, Eva Milanda, Jena Santari, Dea Talia Kesuma, and Echa Silvia. 2023. “Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes.” 4(3): 254–64.
Adi, Sebastianus, Santoso Mola, Iqbal Muhammad Iskandar, Joey Elisa, Pidu Dimu, and Willem Yufri Seran. 2024. “ANALISIS SENTIMEN PEMBANGUNAN IBU KOTA NEGARA INDONESIA DI YOUTUBE MENGGUNAKAN METODE NAÏVE BAYES , DAN K-NEAREST NEIGHBOR.” 15: 151–57.
Aqsalia, Zalfa Yunda, Septiana Sari, and Nabila Umi. 2024. “Optimasi Algoritma Naive Bayes Untuk Menganalisis Sentimen Pada Konten Pemindahan Ibu Kota Di Youtube.” 5(2): 68–83.
Berton, Freddy Toranggi, Dian Eka Ratnawati, Muh Arif Rahman, Program Studi, Teknik Informatika, Fakultas Ilmu Komputer, and Universitas Brawijaya. 2023. “Perbandingan Naïve Bayes Dan K-Nearest Neighbor Untuk Analisis Sentimen Terhadap Ulasan Aplikasi Threads.” 1(1): 1–7.
Enjeli, Margareta, and Andri Wijaya. 2024. “Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes.” 2: 89–98.
Hadi, Nur, and Dedy Sugiarto. 2025. “Analisis Sentimen Pembangunan IKN Pada Media Sosial X Menggunakan Algoritma SVM , Logistic Regression Dan Naïve Bayes.” 10(1): 37–49. doi:10.30591/jpit.v10i1.7106.
Herdiansyah, Moh Rizky, Ade Yuliana, Teknik Informatika, Naive Bayes, and Klasifikasi Sentimen. 2024. “NAÏVE BAYES BERDASARKAN KOMENTAR PADA YOUTUBE.” 8(6): 12454–59.
Huwaida, Shafira Faira, Rosita Kusumawati, and Bayutama Isnaini. 2024. “Analisis Sentimen Komentar Youtube Terhadap Pemindahan Ibu Kota Negara Menggunakan Metode Naïve Bayes.” 6(1): 26–39. doi:10.37905/jji.v6i1.24718.
Ihzar, Aditiya, Eka Prayogo, Teknik Informatika, Fakultas Teknologi Informasi, Universitas Budi Luhur, and Jakarta Selatan. 2022. “Penerapan Algoritma Naïve Bayes Untuk Analisis Pandangan Masyarakat Terhadap Pemindahan Ibu Kota Indonesia.” 4221: 249–58.
Java, Muhammad Arya, and Mohammad Syafrullah. 2024. “Analisis Sentimen Ulasan Pengguna Aplikasi Threads Pada Google Play Store Menggunakan Multinomial Naive Bayes Dan Support Vector Machine.” 12: 75–80.
Morgan, Piers, Burley Show, and News Media. 2022. “ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP TAYANGAN # MATANAJWAMENANTITERAWAN DENGAN METODE NAÏVE BAYES SENTIMENT ANALYSIS OF USER COMMENTS ON YOUTUBE VIDEO # MATANAJWAMENANTITERAWAN WITH NAIVE BAYES CLASSIFIER METHOD.” 5(1): 1–6. doi:10.33387/jiko.
Rahman, Aditiya, Fadhil Rahmat, Muhammad Yoga Fariqi, and Sumarni Adi. 2020. “Metode Naive Bayes Untuk Menganalisis Akurasi Sentimen Komentar Di Youtube.” 14(1): 31–34.
Raschka, Sebastian. 2014. “Introduction and Theory.” : 1–20.
Suarna, Nana, Willy Prihartono, Teknik Informatika, Kota Cirebon, Aplikasi Threads, Google Playstore, and Google Play Store. 2024. “ANALISIS SENTIMEN ULASAN APLIKASI THREADS DI GOOGLE PLAYSTORE MENGGUNAKAN ALGORITMA NAÏVE BAYES.” 8(1): 967–74.
Zaihol, Fatah. 2025. KOMPUTER DAN MASYARAKAT. edisi ke d. ed. Pena Muda. situbondo.
