Perbandingan Kinerja Algoritma Decision Tree Dan Naïve Bayes Dalam Analisis Sentimen Publik Terhadap Kebijakan Pemerintah Mengenai Batasan Penggunaan Media Sosial Anak
DOI:
https://doi.org/10.36423/index.v7i2.2407Keywords:
Sentiment Analysis, decission tree, Naïve Bayes, media sosial, pembatasan usiaAbstract
Perkembangan teknologi informasi menjadikan media sosial sebagai sarana utama untuk berinteraksi, berbagi informasi, dan mengekspresikan pendapat. Namun, tingginya penggunaan media sosial oleh anak-anak menimbulkan kekhawatiran terhadap dampak negatif yang ditimbulkan, sehingga pemerintah menetapkan kebijakan pembatasan usia anak dalam penggunaan media sosial. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan tersebut dengan menerapkan algoritma Decision Tree dan Naïve Bayes. Data penelitian diperoleh dari komentar pengguna TikTok terkait isu pembatasan usia. Tahapan penelitian meliputi pengumpulan data dengan web scraping, pra-pemprosesan (translation, case folding, cleansing, tokenizing, stopword removal, stemming), pelabelan sentimen (positif, negatif, netral), serta representasi data menggunakan Bag of Words. Dataset dibagi menjadi 80% data latih dan 20% data uji. Hasil pengujian menunjukkan bahwa algoritma Naïve Bayes memiliki performa lebih baik dibandingkan Decision Tree. Naïve Bayes mencapai akurasi 97,14%, presisi 97,08%, dan recall 96,92%, sedangkan Decision Tree memperoleh akurasi 91,90%, presisi 96,46%, dan recall 79,76%. Temuan ini membuktikan bahwa Naïve Bayes lebih efektif dalam analisis sentimen media sosial, terutama pada dataset dengan distribusi kelas beragam.Penelitian ini berkontribusi pada pemahaman penerapan algoritma klasifikasi dalam menganalisis opini publik terhadap kebijakan pemerintah, khususnya pembatasan usia media sosial. Selain itu, hasilnya dapat menjadi rujukan bagi pembuat kebijakan maupun penelitian selanjutnya dengan dataset lebih besar atau algoritma yang lebih kompleks.
References
[1] M. B. Yel and M. K. M. Nasution, “Keamanan Informasi Data Pribadi Pada Media Sosial,” J. Inform. Kaputama, vol. 6, no. 1, pp. 92–101, 2022, doi: 10.59697/jik.v6i1.144.
[2] M. I. Antula, “Pengaruh Media Sosial Terhadap Gaya Hidupdan Pergaulan Remaja di Era Digital,” J. Pendidik. Mosikolah, vol. 4, no. 2, pp. 53–60, 2024, [Online]. Available: http://jurnal.ut.ac.id/index.php/jp/search/authors/view?givenName=MeryNoviyanti&familyName=&affiliation=UniversitasTerbuka&country=ID&authorName=Mery Noviyanti
[3] Y. Fitriani, “Pemanfaatan Media Sosial Sebagai Media Penyajian Konten Edukasi Atau Pembelajaran Digital,” J. Inf. Syst. Applied, Manag. Account. Res., vol. 5, no. 4, pp. 1006–1013, 2021, doi: 10.52362/jisamar.v5i4.609.
[4] M. Nur Cahya, W. Ningsih, and A. Lestari, “Dampak Media Sosial terhadap Kesejahteraan Psikologis Remaja: Tinjauan Pengaruh Penggunaan Media Sosial pada Kecemasan dan Depresi Remaja,” J. Sos. Teknol., vol. 3, no. 8, pp. 703–706, 2023, doi: 10.59188/jurnalsostech.v3i8.917.
[5] F. C. P. L. Shelma Zahira Ardhania, “PENGARUH MEDIA SOSIAL TERHADAP KESEHATAN MENTAL REMAJA,” Triwikrama J. Ilmu Sos., vol. 01, no. 11, pp. 40–50, 2023.
[6] I. Sulistiani, V. W. Sutjipto, M. P. Sary, M. L. Putri, E. N. Prananingrum, and U. N. Jakarta, “PENGARUH MEDIA SOSIAL TERHADAP SIKAP REMAJA PADA ERA DIGITALISASI,” SOSFILKOM, vol. XVIII, no. 2, pp. 138–146, 2024.
[7] N. Aulia, S. Hadi, and Nurdiyana, “Pengaruh Media Sosial Terhadap Perilaku Sosial Media,”J. Educ. Cult., vol. 2, no. 1, pp. 64–70, 2022.
[8] I. Gustina and A. Yudhistira, “Analisis Sentimen Program Coding Anak SD Menggunakan Metode Naive Bayes,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 2,pp. 505–514, 2025.
[9] S. A. Mahmudah, A. Yudhistira, F. Teknik, and U. T. Indonesia, “Analisis Sentimen terhadap Cyberbullying pada Platform Media Sosial X Menggunakan Algoritma Naive Bayes Sentiment Analysis of Cyberbullying on Social Media Platform X Using Naive Bayes Algorithm,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 1, pp. 189–200, 2025.
[10] E. M. A. Ernamia and A. Herliana, “Analisis Sentimen Kuliah Daring Dengan Algoritma Naïve Bayes, K-Nn Dan Decision Tree,” J. Responsif Ris. Sains dan Inform., vol. 4, no. 1, pp. 70–80, 2022, doi: 10.51977/jti.v4i1.614.
[11] H. B. Yolanda Veren, Sunneng Sandino Berutu, “Penerapan metode decision tree pada sentimen media sosial terkait komisi pemilihan umum (kpu) sebelum dan sesudah pilpres 2024,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 4, pp. 2174–2184, 2024, doi: https://doi.org/10.29100/jipi.v9i4.55321.
[12] E. P. Adamansyah, A. Yudhistira, S. Informasi, F. Teknik, and U. T. Indonesia, “Evaluasi Opini Publik di Media Sosial X terhadap Kebijakan Pajak Pertambahan Nilai 12 % di Indonesia Menggunakan Naive Bayes dan Decision Tree Informatika , Fakultas Teknik dan Ilmu Komputer , Universitas Teknokrat Indonesia , Indonesia Evaluation of Publ,” J. Pendidik. dan Teknol. Indones., vol. 5, no. 3, pp. 831–843, 2025.
[13] Y. A. Singgalen, “Analisis Sentimen Top 10 Traveler Ranked Hotel di Kota Makassar Menggunakan Algoritma Decision Tree dan Support Vector Machine,” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 323–332, 2023, doi: 10.30865/klik.v4i1.1153.
[14] A. Apriyadi, M. R. Lubis, and B. E. Damanik, “Penerapan Algoritma C5.0 Dalam Menentukan Tingkat Pemahaman Mahasiswa Terhadap Pembelajaran Daring,” Komputa J. Ilm. Komput. dan Inform., vol. 11, no. 1, pp. 11–20, 2022, doi: 10.34010/komputa.v11i1.7386.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 amelia mar'atusholihat, Nuk Ghurroh Setyoningrum, Dede Rizal Nursamsi
This work is licensed under a Creative Commons Attribution 4.0 International License.
