ANALISIS SENTIMEN SISTEM E-TILANG PADA PLATFORM TWITTER MENGGUNAKAN METODE NAIVE BAYES

Berita yang belakangan ini menjadi sorotan di media sosial Twitter di Indonesia adalah penerapan sistem e-Tilang, yang merupakan langkah baru dari pemerintah dalam mewujudkan Good Governance. Sistem ini diharapkan dapat mendisiplinkan para pengendara kendaraan bermotor yang sering melakukan pelanggaran berlalu lintas. Banyak masyarakat memiliki pendapat yang beragam mengenai penerapan sistem ini, ada yang setuju dan ada yang tidak setuju. Dalam penelitian ini, dilakukan analisis sentimen terhadap sistem e-Tilang atau pendapat masyarakat untuk mengelompokkan komentar-komentar tersebut menjadi kesan positif, netral, dan negatif. Algoritma Naive Bayes dipilih untuk analisis karena memiliki nilai probabilitas atau peluang tertinggi untuk pengklasifikasian data. Proses pelabelan data pada Twitter menggunakan Bahasa Pemrograman Python dan Lexicon Based dengan menggunakan tools Google Colab. Data kemudian melewati empat tahapan preprocessing, yaitu transformation, tokenizing, filtering, dan stemming. Setelah data selesai dipreprocessing, dilakukan pembobotan TF-IDF untuk mengetahui banyaknya kemunculan kata dalam setiap komentar. Hasil dari pengklasifikasian data menggunakan Algoritma Naive Bayes dievaluasi menggunakan Confusion Matrix pada tools Google Colab. Hasil evaluasi menunjukkan bahwa presisi positif sebesar 43%, presisi negatif sebesar 38%, dan presisi netral sebesar 85%. Sementara itu, recall positif sebesar 43%, recall negatif 14%, dan recall netral sebesar 95%, dengan akurasi keseluruhan mencapai 80%. Dari hasil analisis ini, dapat disimpulkan bahwa tanggapan masyarakat mengenai sistem e-Tilang yang diterapkan oleh pemerintah Indonesia cenderung netral.