Analisis Sentimen Komentar Tiktok Terhadap Kenaikan Harga Plastik Menggunakan Algoritma Naive Bayes

Shelvia Utary; Rizkia  Zahratul Jannah; Pipin Asmawita; Pandu Sandy Tara; Destiarini

doi:10.35968/jsi.v13i2.2040

Authors

Shelvia Utary Universitas Baturaja
Rizkia Zahratul Jannah
Pipin Asmawita
Pandu Sandy Tara
Destiarini

DOI:

https://doi.org/10.35968/jsi.v13i2.2040

Keywords:

Analisis Sentimen, TikTok, Naive Bayes , Kenaikan Harga Plastik , Machine Learning

Abstract

Kebijakan pengurangan limbah plastik melalui peningkatan harga di Indonesia menimbulkan beragam persepsi masyarakat, terutama di platform TikTok.Studi ini difokuskan pada pembedahan opini pengguna TikTok terkait kebijakan penyesuaian harga plastik dengan mengimplementasikan metode Naive Bayes, sekaligus mengukur seberapa presisi model tersebut dalam memetakan pandangan publik. Data yang digunakan terdiri dari 398 komentar yang dikumpulkan melalui proses crawling dan pembersihan data, kemudian dianalisis melalui ekstraksi kata kunci dan visualisasi word cloud. Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 88,2% dengan AUC 0,885 dan MCC 0,812, menunjukkan performa yang sangat baik dalam memprediksi sentimen. Hasil analisis menunjukkan mayoritas komentar bersifat netral, mencerminkan bahwa masyarakat masih dalam tahap observasi terhadap kebijakan tersebut, namun harga plastik sering dikaitkan dengan kenaikan biaya kebutuhan pokok lain seperti BBM dan minyak goreng. Temuan ini penting untuk pengambil kebijakan agar dapat memahami persepsi masyarakat dan mengarahkan strategi komunikasi serta kebijakan yang lebih efektif.

References

Awaludin, M., & Gani, A. (2024). Pemanfaatan kecerdasan buatan pada algoritma k-means klastering dan sentiment analysis terhadap strategi promosi yang sukses untuk penerimaan mahasiswa baru. JSI (Jurnal Sistem Informasi) Universitas Suryadarma, 11(1), 1–6.

Awaludin, & Muryan. (2025). Mengenal AI: Machine Learning, Deep Learning, dan natural Language Processing. DEEPUBLISH. https://books.google.co.id/books?hl=en&lr=&id=5y51EQAAQBAJ&oi=fnd&pg=PP1&dq=info:piQw9Q3T4RgJ:scholar.google.com&ots=ulKbY2PEAb&sig=o90s2oPZ0puLjfOXXLQ7v6A8BtY&redir_esc=y#v=onepage&q&f=false

Devi, A. (2024). Analisis bahasa informal dan slang di media sosial dalam mendukung analisis sentimen. Jurnal Linguistik Digital, 15(2), 145-160.

Handoko, T. H. (2023). Evaluasi performa model machine learning dalam analisis sentimen. Jurnal Teknologi Informasi, 8(4), 234-245.

Jatmiko, B. (2022). Preprocessing data teks dalam Natural Language Processing. Jurnal Komputer dan Sistem, 10(3), 123-131.

Kurnia, A. (2024). Keunggulan algoritma Naive Bayes untuk klasifikasi teks. Jurnal Pembelajaran Mesin, 12(1), 57-68.

Lestari, R. (2023). Kebijakan berbasis harga dan respons sosial ekonomi di Indonesia. Ekonomi dan Kebijakan, 9(2), 89-101.

Mulia, S. (2021). Teknik ekstraksi fitur teks dengan metode TF-IDF. Jurnal Data Mining, 7(2), 177-189.

Nurhadi, R. (2021). Peran analisis sentimen dalam pengambilan kebijakan publik. Jurnal Administrasi Publik, 17(2), 98-110.

Farrukh, M., et al. (2020). Sentiment analysis in social media: Techniques and applications. IEEE Access, 8, 189xyz-189xyz.

Iskandar, D., & Putra, R. (2023). Pemanfaatan media sosial untuk memahami opini masyarakat terhadap kebijakan lingkungan. Jurnal Lingkungan dan Kebijakan, 5(1), 25-37.

Muhlis, A. (2022). Media sosial sebagai sumber data opini publik. Jurnal Komunikasi Digital, 14(1), 34-50.

Al-Ayied, L., et al. (2022). Applications of Naive Bayes in text classification tasks. International Journal of Machine Learning, 8(3), 200-215.

Farrukh, M., et al. (2020). Sentiment analysis in social media: Techniques and applications. IEEE Access, 8, 189xyz-189xyz.

Nurhadi, R. (2021). Peran analisis sentimen dalam pengambilan kebijakan publik. Jurnal Administrasi Publik, 17(2), 98-110.

Iskandar, D., & Putra, R. (2023). Pemanfaatan media sosial untuk memahami opini masyarakat terhadap kebijakan lingkungan. Jurnal Lingkungan dan Kebijakan, 5(1), 25-37.

Al-Ayied, L., et al. (2022). Applications of Naive Bayes in text classification tasks. International Journal of Machine Learning, 8(3), 200-215.

Zamani, S., & Rahman, S. (2022). Recent advances in sentiment analysis for social media data. Journal of Data Science & Machine Learning, 9(4), 185-199.

Yuliana, R., & Wibowo, A. (2023). Perbandingan algoritma klasifikasi teks untuk analisis sentimen media sosial. Jurnal Sistem Komputer, 11(1), 45-59.