EVALUASI SENTIMEN PUBLIK TERHADAP ANCAMAN RESESI EKONOMI INDONESIA 2023 PADA TWITTER DENGAN LEXICAL BASED DAN MULTINOMIAL NAÏVE BAYES
Tahun 2023 merupakan tahun pemulihan aktivitas ekonomi dimulai dari menurunnya
kasus covid-19 dan adanya kebijakan-kebijakan yang dikeluarkan. Seperti kebijakan dari bank
sentral yang menaikan suku bunga untuk meredakan kekhawatiran terhadap laju inflasi yang
meningkat. Selain dari faktor guncangan ekonomi yang sedang terjadi, terdapat permasalahan
konflik sosial juga yang menjadi masalah di tengah masyarakat. Seperti pemutusan hubungan
kerja secara massal menurut badan pusat statistik (BPS) sudah lebih dari 146.407 kasus phk.
Banyaknya isu yang bertebaran dalam media sosial seperti Twitter mengenai ancaman resesi
2023 menjadikan hal tersebut untuk manipulasi suatu rumor tentang bahaya yang akan terjadi
dan menyebabkan suatu kekhawatiran bagi masyarakat terhadap kondisi ekonomi tahun 2023.
Dengan adanya permasalahan tersebut menjadi banyaknya masyarakat yang mengutarakan
pendapatnya menjadikan suatu sentimen yang diberikan oleh masyarakat mengenai ancaman
resesi yang terjadi pada tahun 2023. Sehingga arah dan tujuan dari penelitian ini dilakukan
untuk mengevaluasi dari sentimen masyarakat mengenai ancaman resesi yang terjadi pada
tahun 2023 dan mendapatkan tingkat keresahan masyarakat dengan menilai sentimen yang
diberikan mengarah pada sentimen negatif, positif ataupun netral. Serta menguji keakuratan
dari penggunaan algoritma Multinomial Naïve Bayes dalam melakukan klasifikasi sentimen
yang dibantu menggunakan Lexical Based dalam melakukan pelabelan data. Pada penelitian
ini akan dilakukan proses pengumpulan data dengan 2 periode. Pada periode 1 dilakukan pada
bulan Januari hingga Juni dan periode 2 dilakukan pada bulan Juli hingga Desember pada tahun
2023. Selanjutnya data akan dilakukan tahapan pembersihan, pelabelan data menggunakan
VADER sentiment, preprocessing, pembobotan kata dengan TF-IDF, pemodelan algoritma
Multinomial Naïve Bayes dan evaluasi confusion matrix. Dalam penelitian ini menggunakan 3
model pembagian rasio data latih dan data uji sebesar, 70:30, 80:20 dan 90:10 untuk menguji
nilai akurasi model yang didapatkan pada kedua data. Hasil dari penelitian yang dilakukan
didapatkan bahwa hasil akurasi terbaik didapatkan pada pembagian data dengan ratio data
(70:30) pada data periode 1 dengan nilai akurasi yang didapatkan 69
URI
https://repo.itera.ac.id/depan/submission/SB2401160001
Keyword
Resesi, Multinomial Naïve Bayes, Lexical Based