Analisis sentimen pengguna X terhadap Istana Garuda IKN menggunakan algoritma Naïve Bayes

Authors

DOI:

https://doi.org/10.31571/saintek.v14i1.8735

Keywords:

Analisa Sentimen, Istana Garuda IKN, Naïve Bayes, X

Abstract

Istana Garuda merupakan bagian penting dalam pembangunan Ibu Kota Negara (IKN) baru yang menarik perhatian publik, khususnya terkait desainnya. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap Istana Garuda menggunakan data dari media sosial X dan mengukur akurasi klasifikasi sentimen dengan algoritma Naïve Bayes. Data dikumpulkan melalui teknik web crawling pada Februari 2024 menggunakan kata kunci “Istana Garuda IKN” dengan Tweet Harvest dan Google Colab. Sebanyak 807 tweet pengguna yang relevan diperoleh dan dilabeli secara manual. Proses analisis dilakukan melalui tahapan Knowledge Discovery in Databases (KDD), mencakup preprocessing (normalization, stopword removal, tokenizing, stemming), pelabelan sentimen, pembagian data, klasifikasi menggunakan Naïve Bayes, dan evaluasi menggunakan confusion matrix. Dengan model terbaik menggunakan rasio data latih dan uji 80:20, menghasilkan akurasi 84,56%, precision 86%, dan recall 90%. Pada visualisasi diagram batang hasil klasifikasi menunjukkan 534 tweet bersentimen positif dan 273 bersentimen negatif dan wordcloud menunjukkan kata-kata yang dominan seperti IKN (88), Indonesia (53), Jokowi (48), Istana (17), dan Garuda (16). Secara keseluruhan, penelitian ini menunjukkan bahwa sentimen masyarakat terhadap Istana Garuda cenderung positif, serta membuktikan efektivitas algoritma Naïve Bayes dalam mengklasifikasikan sentimen di media sosial X. Temuan ini dapat menjadi masukan yang penting bagi pemerintah dalam memahami persepsi masyarakat terhadap pembangunan IKN dan merumuskan strategi komunikasi public yang tepat.

Downloads

References

Abdillah, A. R., & Hasan, F. N. (2023). Analisis sentimen terhadap kandidat calon presiden berdasarkan tweets di sosial media menggunakan Naive Bayes Classifier. SMATIKA Jurnal, 13(1), 117–130. https://doi.org/10.32664/smatika.v13i01.750

Aisyah, N. (2024). Istana Garuda IKN: Filosofi dan alasan dipilihnya burung Garuda sebagai desain. detikedu. https://www.detik.com/edu/detikpedia/d-7463326/istana-garuda-ikn-filosofi-dan-alasan-dipilihnya-burung-garuda-sebagai-desain?utm_source=chatgpt.com#google_vignette

Andri, M., Cendekia Siregar, A., & Utami, P. Y. (2021). Sistem penilaian ujian otomatis untuk soal esai menggunakan metode Vector Space Model. Informasi Artikel, 2(2).

Cempaka Prima, S., Octapianus Purba, A., Yuliarta, W., & Suwarno, P. (2020). Perubahan tata kelola maritim di wilayah Kalimantan Timur sebagai ibukota baru. Nusantara: Jurnal Ilmu Pengetahuan Sosial, 7(3), 529–537. https://doi.org/10.31604/jips.v7i3.2020.529-537

Chandra, R., Sonawane, J., & Lande, J. (2024). An analysis of vaccine-related sentiments on Twitter (X) from development to deployment of COVID-19 vaccines. Big Data and Cognitive Computing, 8(12), Article 186. https://doi.org/10.3390/bdcc8120186

Duta Sanubari, F., Enri, U., & Singaperbangsa Karawang Abstract, U. (2023). Analisis sentimen terhadap perubahan rute KRL Commuter Jabodetabek menggunakan algoritme Support Vector Machine (SVM). Jurnal Ilmiah Wahana Pendidikan, 15, 155–163. https://doi.org/10.5281/zenodo.8206986

Eliane Birba, D. (2020). A comparative study of data splitting algorithms for machine learning model selection [Degree project in computer science and engineering].

Hablinawati, L., & Dzikrullah, A. A. (2024). Analisis sentimen pengguna Twitter terhadap perubahan kebijakan skripsi sebagai syarat wajib kelulusan menggunakan metode Naïve Bayes Classifier. Jurnal Media Informatika Budidarma, 8(3), 1429–1436. https://doi.org/10.30865/mib.v8i3.7746

Hamdani, R. S. (2020). Proyek lintas batas administrasi: Analisis partisipasi publik dalam proses perencanaan Ibu Kota Negara Republik Indonesia. Journal of Regional and Rural Development Planning, 4(1), 43–62. https://doi.org/10.29244/jp2wd.2020.4.1.43-62

Han, J., Kamber, M., & Mining, D. (2006). Concepts and techniques. Morgan kaufmann, 340(1), 94104-103205.

Heimerl, F., Lohmann, S., Lange, S., & Ertl, T. (2014). Word cloud explorer: Text analytics based on word clouds. In Proceedings of the Annual Hawaii International Conference on System Sciences (pp. 1833–1842). https://doi.org/10.1109/HICSS.2014.231

Hendrastuty, N., Rahman Isnain, A., & Yanti Rahmadhani, A. (2021). Analisis sentimen masyarakat terhadap program Kartu Prakerja pada Twitter dengan metode Support Vector Machine. Jurnal Teknologi dan Sistem Komputer, 6(3).

Kurniawan, R., & Arie Wijaya, Y. (2024a). Analisis data sentimen ulasan pengguna aplikasi Shopee di Google Play Store dengan klasifikasi algoritma Naïve Bayes. Jurnal Informatika dan Rekayasa Perangkat Lunak, 6(1).

Liu, B. (2012b). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.

Morstatter, F., Pfeffer, J., Liu, H., & Carley, K. (2013). Is the sample good enough? Comparing data from Twitter's streaming API with Twitter's firehose. In Proceedings of the International AAAI Conference on Web and Social Media (Vol. 7, No. 1, pp. 400–408).

Naquitasia, R., Hatta Fudholi, D., & Iswari, L. (2022). Analisis sentimen berbasis aspek pada wisata halal dengan metode deep learning. Jurnal Teknoinfo, 16(2). https://ejurnal.teknokrat.ac.id/index.php/teknoinfo/index

Normawati, D., & Prayogi, S. A. (2021a). Implementasi Naïve Bayes Classifier dan Confusion Matrix pada analisis sentimen berbasis teks pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2).

Nugroho, D. A., & Hasan, F. N. (2024). Analisis sentimen kegiatan pembersihan sampah pada media sosial X menggunakan SVM dan Naïve Bayes. Jurnal Media Informatika Budidarma, 8(2), 843. https://doi.org/10.30865/mib.v8i2.7562

Nurtikasari, Y., Syariful Alam, & Hermanto, T. I. (2022). Analisis sentimen opini masyarakat terhadap film pada platform Twitter menggunakan algoritma Naive Bayes. INSOLOGI: Jurnal Sains dan Teknologi, 1(4), 411–423. https://doi.org/10.55123/insologi.v1i4.770

Oğuz, Ç., & Yağanoğlu, M. (2022). Detection of COVID-19 using deep learning techniques and classification methods. Information Processing and Management, 59(5), Article 103025. https://doi.org/10.1016/j.ipm.2022.103025

Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis sentimen tentang opini maskapai penerbangan pada dokumen Twitter menggunakan algoritme Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 3(3). http://j-ptiik.ub.ac.id

Puspita, M. D. (2024). Desain Istana Garuda IKN dikritik mirip kelelawar, bagaimana dengan Istana Wapres? Tempo.co. https://www.tempo.co/ekonomi/desain-istana-garuda-ikn-dikritik-mirip-kelelawar-bagaimana-dengan-istana-wapres--28239

Qisthiano, M. R., Kurniawan, T. B., Negara, E. S., & Akbar, M. (2021). Pengembangan model untuk prediksi tingkat kelulusan mahasiswa tepat waktu dengan metode Naïve Bayes. Jurnal Media Informatika Budidarma, 5(3), 987. https://doi.org/10.30865/mib.v5i3.3030

Rahmawati, A. L. (2025). Form follows meaning: An analysis of the “Istana Garuda” design through the lens of mimesis. Cultural Arts Research and Development, 4(2), 10–23. https://doi.org/10.55121/card.v4i2.216

Sari, R., Hayuningtyas, R. Y., & Mandiri, S. N. (2019). Penerapan algoritma Naive Bayes untuk analisis sentimen pada wisata TMII berbasis website. IJSE: Indonesian Journal on Software Engineering, 5(2), 51–60.

Ridho Darman, A. D. I., Agraria dan Tata Ruang, K., Lubuk Basung, B., Agam, K., & Sumatera Barat, P. (2023). Sentimen respons Twitter terhadap persyaratan Badan Penyelenggara Jaminan Sosial Kantor Pertanahan. Widya Bhumi, 3(2).

Ulfah, A. N., & Anam, M. K. (2020). Analisis sentimen hate speech pada portal berita online menggunakan Support Vector Machine (SVM). Jurnal Ilmu Komputer dan Aplikasi, 7(1), 1–10. http://jurnal.mdp.ac.id

Vincent, R., Maulana, I., & Komarudin, O. (2023). Perbandingan klasifikasi Naive Bayes dan Support Vector Machine dalam analisis sentimen dengan multiclass di Twitter. Jurnal Mahasiswa Teknik Informatika, 7(4).

Wijaya, A., Rivaldo, M., & Pribadi, M. R. (2024). Analisis sentimen terhadap aplikasi Mitra Darat menggunakan algoritma Naive Bayes Classifier dan K-Nearest Neighbor. Applied Information Technology and Computer Science, 3(1). https://jurnal.politap.ac.id/index.php/aicoms

Xu, F., Pan, Z., & Xia, R. (2020). E-commerce product review sentiment classification based on a Naïve Bayes continuous learning framework. Information Processing & Management, 57(5), 102221. https://doi.org/10.1016/j.ipm.2020.102221

Downloads

Published

2025-06-28

How to Cite

Ramdhania, N. A., Siregar, A. C., & Sucipto. (2025). Analisis sentimen pengguna X terhadap Istana Garuda IKN menggunakan algoritma Naïve Bayes. Jurnal Pendidikan Informatika Dan Sains, 14(1), 36–53. https://doi.org/10.31571/saintek.v14i1.8735

Issue

Vol. 14 No. 1 (2025): Jurnal Pendidikan Informatika dan Sains

Section

Articles

License

Copyright (c) 2025 Nur Annisa Ramdhania, Alda Cendekia Siregar, Sucipto

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

License and Copyright Agreement

In submitting the manuscript to the journal, the authors certify that:

  • They are authorized by their co-authors to enter into these arrangements.
  • The work described has not been formally published before, except in the form of an abstract or as part of a published lecture, review, thesis, or overlay journal. Please also carefully read Jurnal Pendidikan Informatika dan Sains Posting Your Article Policy at http://journal.ikippgriptk.ac.id/index.php/saintek/about/submissions#onlineSubmissions
  • That it is not under consideration for publication elsewhere,
  • That its publication has been approved by all the author(s) and by the responsible authorities – tacitly or explicitly – of the institutes where the work has been carried out.
  • They secure the right to reproduce any material that has already been published or copyrighted elsewhere.
  • They agree to the following license and copyright agreement.

Copyright

Authors who publish with Jurnal Pendidikan Informatika dan Sains agree to the following terms:

  1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License (CC BY-SA 4.0) that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
  2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
  3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.