Analisis Sentimen Opini Publik Terhadap 100 Hari Kinerja Prabowo Subianto Sebagai Presiden Menggunakan Naïve Bayes

Abstract

Dalam kepemimpinan, kinerja seorang pemimpin dapat diukur menggunakan berbagai instrumen. Di masyarakat  kinerja dapat diukur dari hasil perubahan yang telah dilakukan seorang pemimpin. Prabowo subianto telah mengambil langkah yang signifikan dalam hal kepemimpinan. Maka opini masyarakat dibutuhkan guna mengevaluasi kinerjanya. Opini masyarakat memberikan beberapa pendapat yang berbeda di platform X. Metode yang digunakan adalah Naïve Bayes Classifier, yang mampu mengklasifikasikan data dengan menggunakan multinominal NB. Naïve bayes dirancang
menggunakan bahasa pemrograman Python dan google collab sebagai tools. Tujuan penelitian ini mengetahui hasil opini yang diperoleh, maka analisis sentimen di perlukan terhadap kinerja prabowo subianto sebagai presiden berdasarkan akurasi. Dalam mengklasifikasikan sentimen terhadap kinerja prabowo, maka sentimen melalui proses crawling sebanyak 1000 data, kemudian split data, antara data latih dan data uji adalah 80:20, yaitu 800 data latih dan 200 data uji. Hasil pelabelan,  diketahui bahwa 588 tweet kategori sentimen positif dan 412 tweet kategori negatif. Hasil evaluasi dari metode naïve bayes memberikan hasil sentimen dengan nilai accuracy sebesar 74%, precision sebesar 67,57%, recall sebesar 64,10% dan F1 score sebesar 65,8%. Hal ini menunjukkan bahwa model memiliki performa yang cukup baik dalam mengklasifikasikan opini, meskipun efektivitas dalam mengidentifikasi komentar positif masih dapat ditingkatkan.