Analisis Sentimen Terhadap Identitas Kependudukan Digital Menggunakan Algoritma Multinomial Naïve Bayes
DOI:
https://doi.org/10.32528/justindo.v10i2.2777Keywords:
IKD, sentiment analysis, multinomial naive bayes, xAbstract
Inovasi baru dalam perkembangan teknologi kini pemerintah telah meluncurkan inovasi baru yaitu Identitas Kependudukan Digital berbasis digital melalui aplikasi yang dijadikan sebagai tujuan pemerintah dalam mengurangi cetak fisik KTP dan blangko sehingga lebih efisien dan mudah dalam mengakses identitas masyarakat dalam smartphone masing-masing dan digunakan untuk mengelola data identitas masyarakat. Aplikasi ini telah banyak menimbulkan pro dan kontra dari masyarakat yang menilai sebuah aplikasi IKD ini dalam mendukung digitalisasi, sehingga tujuan dari penelitian ini diperlukan analisis sentimen untuk mengetahui penilaian serta ulasan masyarakat terhadap adanya IKD tersebut sehingga dapat dijadikan sebagai bahan evaluasi oleh pemerintah. Media sosial banyak yang digunakan dalam menyampaikan pendapat serta opini masyarakat tentag IKD ini terutama pada platform X atau Twitter, dengan pengambilan data dengan teknik crawling. Analisis pada platform X ini sangat penting karena menjadi sumber pengumpulan data yang cepat dan luas dari penyampaian masyarakat tentang IKD tersebut. Pendekatan penelitian ini menggunakan algoritma Multinomial Naive Bayes untuk mengklasifikasi analisis sentimen masyarakat. Dari hasil pengujian menggunakan K-Fold Cross Validation, didapatkan hasil tertinggi pada 10 Fold uji ke-8 dengan nilai akurasi tertinggi 95%, presisi 94% dan recall 100%, sehingga algoritma Multinomial Naive Bayes ini cocok untuk dijadikan sebagai metode analisis data.
References
Aditama, M. I., Pratama, R. I., Wiwaha, K. H., & Rakhmawati, N. A. (2020). Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19. Journal Information Engineering and educational Technology.
Hidayat , R., Rahman, R. N., Perdana, M. R., & Arbansyah. (2024). Analisis Sentimen Aplikasi Identitas Kependudukan Digital (IKD) Menggunakan Metode Naive Bayes . Jurnal Sistem Informasi dan Ilmu Komputer , 129-140.
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.
Liedfray, Tongkotow, Fonny J Waani, and Jouke J Lasut. 2022. “Peran Media Sosial Dalam Mempererat Interaksi Antar Keluarga Di Desa Esandom Kecamatan Tombatu Timur Kabupaten Tombatu Timur Kabupaten Minasa Tenggara.” Jurnal Ilmiah Society 2(1): 2.
Mailoa, Felix Fridom. 2021. “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas Di Indonesia.” Journal of Information Systems for Public Health 6(1): 44. doi:10.22146/jisph.44455.
Mirlana, D. E., Sunarso, S., Halim, A., Putra, R., Widyaningsih, A. Z., & Khasanah , U. (2024). PEDAMPINGAN PENERBITAN IDENTITAS KEPENDUDUKAN DIGITAL. Jurnal Abdimas FKIP UTP Surakarta, 420-426.
Sabrani, Alif, I W Gede Putu Wirarama Wedashwara, and Fitri Bimantoro. 2020. “Metode Multinomial Naive Bayes Untuk Klasifikasi Artikel Online Tentang Gempa Di Indonesia (Multinomial Naïve Bayes Method for Classification of Online Article About Earthquake in Indonesia).” Jtika 2(1): 91–92. http://jtika.if.unram.ac.id/index.php/JTIKA/.
Santoso, Aloysius Kurniawan. 2022. “Analisis Sentimen Twitter Bahasa Indonesia Menggunakan Pendekatan Machine Learning.” Jurnal Informatika Kaputama (JIK) 6(2): 129–36. doi:10.59697/jik.v6i2.111.
Santoso, Heri, Armansyah Armansyah, and Dita Desliani. 2022. “Analisis Sentimen Mahasiswa Terkait Pembelajaran Tatap Muka Menggunakan Metode Naive Bayes Classifier.” Techno.Com 21(3): 644–54. doi:10.33633/tc.v21i3.6262.
Yona Sidratul Munti, Novi, and Dwi Asril Syaifuddin. 2020. “Analisa Dampak Perkembangan Teknologi Informasi Dan Komunikasi Dalam Bidang Pendidikan.” Jurnal Pendidikan Tambusai 4(2): 1799–1805.
Zhafira, Dhaifa Farah, Bayu Rahayudi, and Indriati Indriati. 2021. “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes Dan Pembobotan TF-IDF Berdasarkan Komentar Pada Youtube.” Jurnal Sistem Informasi, Teknologi Informasi, dan Edukasi Sistem Informasi 2(1): 55–63. doi:10.25126/justsi.v2i1.24.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Alevia Mentari Putri, Rosita Yanuarti, Moh Dasuki, Agus Milu Susetyo

This work is licensed under a Creative Commons Attribution 4.0 International License.