Analisis Sentimen Berbahasa Indonesia Menggunakan Preprocessing Teks, TF-IDF, Naive Bayes, dan Logika Fuzzy: Studi Kasus Komentar Netizen tentang Ijazah Jokowi: A Case Study of Netizens' Comments on President Joko Widodo’s Diploma Across Twitter, YouTube, and TikTok

Wahyu Pratama

Authors

Wahyu Pratama Universitas Pamulang

Keywords:

Analisis Sentimen, tf-idf, text prosesing, Naive Bayes, Logika Fuzzy, Ijazah Jokowi, Komentar Netizen, Bahasa Indonesia

Abstract

Isu keabsahan ijazah Presiden Joko Widodo telah menjadi topik kontroversial yang ramai diperbincangkan di media sosial, memunculkan beragam komentar netizen dengan sentimen positif, negatif, dan netral. Penelitian ini bertujuan untuk menganalisis sentimen netizen berbahasa Indonesia terhadap isu tersebut menggunakan pendekatan hibrida. Proses dilakukan melalui tahapan preprocessing teks (case folding, tokenizing, filtering, dan stemming), pembobotan kata dengan TF-IDF, klasifikasi awal menggunakan algoritma Naive Bayes, serta penyempurnaan hasil klasifikasi dengan Logika Fuzzy untuk menangani ambiguitas dan ketidakpastian bahasa alami. Data sebanyak 10.248 komentar dikumpulkan dari Twitter, YouTube, dan TikTok, dengan 2.082 komentar digunakan sebagai data uji. Hasil menunjukkan bahwa model Naive Bayes mencapai akurasi 82,1%, dan meningkat menjadi 88,5% setelah integrasi dengan Logika Fuzzy. Distribusi akhir sentimen menunjukkan dominasi sentimen netral, diikuti oleh negatif dan positif. Pendekatan ini terbukti efektif dalam mengungkap opini publik secara lebih akurat dan representatif terhadap isu sosial-politik yang sensitif dalam bahasa Indonesia.

References

[1] M. L. Rifky, Z. Nugraha, M. B. Saputra, D. Pratama, E. Raswir, and Y. Pratama, “Jurnal Informatika Dan Rekayasa Komputer (JAKAKOM) Implementasi Data Mining Untuk Penjualan Mobil Menggunakan Metode Naive Bayes.” [Online]. Available: https://ejournal.unama.ac.id/index.php/jakakom.

[2] I. Sari Tomagola, A. Id Hidiana, P. Nurul Sabrina, A. Yani Jl Jenderal Achmad Yani, K. Cimahi Sel, and K. Cimahi, “ANALISIS SENTIMEN TERHADAP PANGAN NASIONAL PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES,” 2023.

[3] I. F. Putra, A. Purwarianti, and U.-C. Ai-Vlb, “Improving Indonesian Text Classification Using Multilingual Language Model.” [Online]. Available: https://www.yelp.com/dataset

[4] F. Fitriana, E. Utami, and H. Al Fatta, “Analisis Sentimen Opini Terhadap Vaksin Covid - 19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 19–25, Jul. 2021, doi: 10.31603/komtika.v5i1.5185.

[5] P. Waktu et al., “JEPIN (Jurnal Edukasi dan Penelitian Informatika)”.

[6] D. N. Muhammady, H. A. E. Nugraha, V. R. S. Nastiti, and C. S. K. Aditya, “Students Final Academic Score Prediction Using Boosting Regression Algorithms,” Jurnal Ilmiah Teknik Elektro Komputer dan Informatika, vol. 10, no. 1, p. 154, Mar. 2024, doi: 10.26555/jiteki.v10i1.28352.

[7] S. Azzahra’, Z. Kusuma, D. E. Ratnawati, and N. Y. Setiawan, “ANALISIS SENTIMEN PENGGUNA SOSIAL MEDIA TWITTER/X TERHADAP ACARA CLASH OF CHAMPIONS MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES,” 2025. [Online]. Available: http://j-ptiik.ub.ac.id

[8] W. Andriyani, Y. Astuti, B. A. Wisesa, and D. Hengki, “Analisis Sentimen pada Ulasan Produk dengan SVM dan Word2Vec Sentiment Analysis on Product Reviews with SVM and Word2Vec the Creative Commons Attribution-ShareAlike 4.0 International License (CC BY SA) (http://creativecommons.org/licenses/by-sa/4.0/),” no. 8, pp. 173–185, 2024, doi: 10.26798/jiko.v8i1.1498.

[9] R. Wati, S. Ernawati, and H. Rachmi, “Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH,” Jurnal Manajemen Informatika (JAMIKA), vol. 13, no. 1, pp. 84–93, Apr. 2023, doi: 10.34010/jamika.v13i1.9424.

[10] F. E. Aldisa and D. E. Rahmawati, “Pembuatan Sistem Klasifikasi SMS Menggunakan Metode Naïve Bayes dan TF-IDF,” 2017. [Online]. Available: http://j-ptiik.ub.ac.id

[11] Z. Putri and A. History, “Sentiment analysis using fuzzy naïve bayes classifier on covid-19 ARTICLE INFO ABSTRACT,” Desimal: Jurnal Matematika, vol. 4, no. 2, pp. 193–202, 2021, doi: 10.24042/djm.

[12] Z. Putri and A. History, “Sentiment analysis using fuzzy naïve bayes classifier on covid-19 ARTICLE INFO ABSTRACT,” Desimal: Jurnal Matematika, vol. 4, no. 2, pp. 193–202, 2021, doi: 10.24042/djm.

[13] A. Haque and T. Rahman, “Sentiment Analysis by Using Fuzzy Logic,” International Journal of Computer Science, Engineering and Information Technology, vol. 4, no. 1, pp. 33–48, Feb. 2014, doi: 10.5121/ijcseit.2014.4104.