Penggunaan Metode Logistic Regression Untuk Analisis Sentimen Pembangunan Ibu Kota Nusantara Pada Media Sosial

Adi Julia Saputra, Sentot Achmadi, Karina Auliasari

Abstract

Abstrak :

Indonesia, sebagai negara kepulauan terbesar, menghadapi tantangan pemerataan pembangunan, salah satunya dengan memindahkan ibu kota ke Ibu Kota Nusantara (IKN) di Kalimantan Timur. Proyek ini bertujuan untuk mengatasi masalah di Jakarta, namun ada kekhawatiran mengenai dampaknya terhadap ekonomi dan politik. Twitter menjadi platform utama untuk menganalisis opini masyarakat mengenai pemindahan ibu kota. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap pembangunan Ibu Kota Nusantara (IKN) menggunakan metode Logistic Regression, yang mengklasifikasikan opini menjadi positif, negatif, atau netral. Dengan menganalisis tweet yang terkait, penelitian ini menemukan bahwa mayoritas sentimen adalah negatif. Model yang digunakan berhasil mengklasifikasikan sentimen dengan akurasi yang baik pada data pelatihan, meskipun hasil pada data pengujian menunjukkan tantangan lebih lanjut. Temuan ini memberikan wawasan tentang bagaimana masyarakat memandang rencana pemindahan ibu kota dan dapat membantu dalam pengambilan keputusan kebijakan.

===================================================


Abstract :

Indonesia, as the largest archipelagic country, faces the challenge of equitable development, one of which is the relocation of the capital city to Ibu Kota Nusantara (IKN) in East Kalimantan. This project aims to address issues in Jakarta, but there are concerns about its impact on the economy and politics. Twitter has become the main platform for analyzing public opinion regarding the capital city relocation. This study aims to analyze public sentiment toward Ibu Kota Nusantara (IKN) using the Logistic Regression method, which classifies opinions into positive, negative, or neutral. By analyzing related tweets, the study found that the majority of sentiments were negative. The model used was able to classify sentiments with good accuracy on training data, although the results on testing data showed further challenges. These findings provide insights into how the public perceives the capital relocation plan and can assist in policy decision-making

Keywords

Web Appliaction, Sentiment Analysis, Logistic Regression, Machine Learning, Text Mining, Opinion Mining, Feature Extraction, TF-IDF Vectorizer, Social Media Analysis, Classification Model, Data Preprocessing, Emotional Sentiment, Public Opinion Analysis,

Full Text:

PDF

References

[1] G. Aji, Z. Arfani, A. M. Sari, R. Seprtiani, and U. K. H. Abdurrahman Wahid, “Dampak Pemindahan Ibukota Negara Baru terhadap Ekonomi dan Sosial di Provinsi Kalimantan Timur,” J. Ilmu Huk., vol. 1, no. 5, pp. 2985–5624, 2023, [Online]. Available: http://jurnal.kolibi.org/index.php/kultura

[2] I. A. Ricky, I. F. Hanif, F. N. Hasan, E. S. Sinduningrum, Z. Halim, and N. Nunik, “Analisis Sentimen Opini Masyarakat Terkait Penyelenggaraan Sistem Elektronik Menggunakan Metode Logistic Regression,” J. Linguist. Komputasional, vol. 5, no. 2, p. 77, 2022, [Online]. Available: https://t.co/23c4krbjp

[3] I. R. Ainunnisa and S. Sulastri, “Analisis Sentimen Aplikasi Tiktok dengan Metode Support Vector Machine (SVM), Logistic Regression dan Naïve Bayes,” J. Teknol. Sist. Inf. dan Apl., vol. 6, no. 3, pp. 423–430, 2023, doi: 10.32493/jtsi.v6i3.31076.

[4] I. Rahmawati, T. Rika Fitriani, A. No’eman, and A. Y. P. Yusuf, “Analisis Sentimen Menggunakan Algoritma Logistic Regression Pada Penerbangan Lion Air berdasarkan Ulasan Platform Online,” J. Ris. Inform. dan Teknol. Inf., vol. 1, no. 1, pp. 11–16, 2023, doi: 10.58776/jriti.v1i1.60.

[5] geeksforgeeks.org, “Logistic Regression in Machine Learning,” geeksforgeeks.org. [Online]. Available: https://www.geeksforgeeks.org/understanding-logistic-regression/

[6] Ash Shiddicky and Surya Agustian, “Analisis Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 pada Media Sosial Twitter menggunakan Metode Logistic Regression,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 2, pp. 99–106, 2022, doi: 10.37859/coscitech.v3i2.3836.

[7] T. Ridwansyah, “Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 2, no. 5, pp. 178–185, 2022, doi: 10.30865/klik.v2i5.362.

[8] N. Hendrastuty, A. Rahman Isnain, and A. Yanti Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” J. Inform. J. Pengemb. IT, vol. 6, no. 3, pp. 150–155, 2021.

[9] I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By.u,” J. Media Inform. Budidarma, vol. 6, no. 3, p. 1411, 2022, doi: 10.30865/mib.v6i3.4132.

[10] I. Budianto, S. N. Anwar, J. T. Lomba, J. Nomor, and K. Semarang, “Analisis Sentiment Pengguna Twitter Mengenai Program Vaksinasi Covid-19 Menggunakan Algoritma Naïve Bayes,” J. Teknol. Inf., vol. 6, no. 1, pp. 37–43, 2022.

[11] Permana A, Taufiq R, and Wijaya M, “Implementasi Algoritma Naïve Bayes Terhadap Review Aplikasi KFCKU,” J. Tek., vol. Vol. 12 N, no. 02, pp. 128–137, 2023.

[12] A. D. Adhi Putra, “Sentiment Analysis on User Reviews of the Bibit and Bareksa Application with the KNN Algorithm,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 2, pp. 636–646, 2021.

[13] T. M. Permata Aulia, N. Arifin, and R. Mayasari, “Perbandingan Kernel Support Vector Machine (Svm) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19,” SINTECH (Science Inf. Technol. J., vol. 4, no. 2, pp. 139–145, 2021, doi: 10.31598/sintechjournal.v4i2.762.

[14] J. Supriyanto, D. Alita, and A. R. Isnain, “Penerapan Algoritma K-Nearest Neighbor (K-NN) Untuk Analisis Sentimen Publik Terhadap Pembelajaran Daring,” J. Inform. dan Rekayasa Perangkat Lunak, vol. 4, no. 1, pp. 74–80, 2023, doi: 10.33365/jatika.v4i1.2468.

[15] H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Inf. Syst. Dev., vol. 5, no. 2, pp. 7–13, 2020.

[16] F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4305–4313, 2022.

[17] D. Alita and A. R. Isnain, “Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” J. Komputasi, vol. 8, no. 2, pp. 50–58, 2020, doi: 10.23960/komputasi.v8i2.2615.

[18] E. H. Muktafin, K. Kusrini, and E. T. Luthfi, “Analisis Sentimen pada Ulasan Pembelian Produk di Marketplace Shopee Menggunakan Pendekatan Natural Language Processing,” J. Eksplora Inform., vol. 10, no. 1, pp. 32–42, 2020, doi: 10.30864/eksplora.v10i1.390.

[19] Scikit-learn.org, “No Title,” scikit-learn.org. [Online]. Available: https://scikit-learn.org/1.5/modules/generated/sklearn.linear_model.LogisticRegression.html

[20] Www.geeksforgeeks.org, “No Title,” www.geeksforgeeks.org. [Online]. Available: https://www.geeksforgeeks.org/how-does-the-classweight-parameter-in-scikit-learn-work/

[21] geeksforgeeks.org, “How To Do Train Test Split Using Sklearn In Python,” geeksforgeeks.org.

[22] K. Kelvin, J. Banjarnahor, E. I. -, and M. NK Nababan, “Analisis perbandingan sentimen Corona Virus Disease-2019 (Covid19) pada Twitter Menggunakan Metode Logistic Regression Dan Support Vector Machine (SVM),” J. Sist. Inf. dan Ilmu Komput. Prima(JUSIKOM PRIMA), vol. 5, no. 2, pp. 47–52, 2022, doi: 10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365.

[23] R. Deswandi Yahya, S. Adi Wibowo, and N. Vendyansyah, “Analisis Sentimen Untuk Deteksi Ujaran Kebencian Pada Media Sosial Terkait Pemilu 2024 Menggunakan Metode Support Vector Machine,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 2, pp. 1182–1189, 2024, doi: 10.36040/jati.v8i2.9076.

[24] S. Andayani and A. Ryansyah, “Implementasi Algoritma TF-IDF Pada Pengukuran Kesamaan Dokumen,” JuSiTik J. Sist. dan Teknol. Inf. Komun., vol. 1, no. 1, p. 53, 2017, doi: 10.32524/jusitik.v1i1.218.

[25] D. Musfiroh, U. Khaira, P. E. P. Utomo, and T. Suratno, “Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 1, no. 1, pp. 24–33, 2021, doi: 10.57152/malcom.v1i1.20.

[26] M. Z. Anbari and B. Sugiantoro, “Studi Komparasi Metode Analisis Sentimen Naïve Bayes, SVM, dan Logistic Regression Pada Piala Dunia 2022,” J. Media Inform. Budidarma, vol. 7, no. 2, p. 688, 2023, doi: 10.30865/mib.v7i2.5383.

[27] A. Novantika, “Analisis sentimen ulasan pengguna aplikasi video conference google meet menggunakan metode svm dan logistic regression,” Prism. Pros. Semin. Nas. Mat., vol. 5, pp. 808–813, 2022, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/

[28] B. Ramadhani and R. R. Suryono, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” J. Media Inform. Budidarma, vol. 8, no. 2, p. 714, 2024, doi: 10.30865/mib.v8i2.7458.

DOI: https://doi.org/10.20961/ijai.v9i2.95416

Refbacks

  • There are currently no refbacks.