Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA)
Amalia Susanti
Politeknik Statistika STIS
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Mathematics Medicine & Pharmacology

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Penerapan Metode Naïve Bayes dalam Analisis Persepsi Masyarakat mengenai Rencana Pengesahan RUU Omnibus Law di Bidang Investasi dan Ketenagakerjaan Tahun 2020 di Indonesia Najia Helmiah; Rani Nooraeni; Aldi Rochman Nulkarim; Nufaisa Munia; Amalia Susanti; Amran Pratama Putra; Febi Taufiqurrahman
Jurnal MSA ( Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16743

Abstract

Saat ini, RUU Omnibus Law di Indonesia menjadi kontroversi, khususnya mengenai RUU Cipta Kerja karena dianggap memiliki dampak negative bagi pekerja/buruh. Hal tersebut terlihat dari banyaknya unjuk rasa yang dilakukan dalam rangka menolak RUU tersebut. Penyampaian pendapapat tidak hanya dilakukan melalui unjuk rasa, tetapi juga dapat melalui media social. Salah satunya adalah twitter. Sehingga, penelitian ini bertujuan untuk mengklasifikasikan opini masyarakat mengenai rencana pengesahan RUU Omnibus Law melalui data twitter. Analisis sentiment, asosiasi kata, dan metode Naïve Bayes Classifier diterapakan untuk mengetahui kata-kata yang sering dicuitkan mengenai Omnibus Law dan keterkaitan antar kata, serta mengklasifikasikan opini masyarakat terhadap rencana pengesahan RUU Omnibus Law baik secara emosional maupun secara polaritas.   Data yang digunakan adalah data cuitan twitter dari tanggal 5 Januari 2020 hingga 30 Agustus 2020 dengan data hasil preprocessing sebanyak 8820 tweets. Hasilnya menunjukan bahwa sebagaian besar kata dalam tweet membahas tentang ketenagakerjaan. Berdasarkan analisis asosiasi kata, kata investasi memiliki keterkaitan yang erat dengan pertumbuhan ekonomi serta kemudahan regulasi, sedangkan kata cipta memiliki keterkaitan erat dengan penciptaan lapangan pekerjaan, dan kata buruh memiiki keterkaitan erat dengan penolakan. Kemudian, berdasarkan analisis sentiment, 54% cuitan terklasifikasi sebagai sentiment negative dan 46% cuitan terklasifikasi sebagai sentiment positif. Dengan metode Naïve Bayes, model yang terbentuk dapat mengklasifikasikan 87.1% cuitan twitter dengan benar atau dengan kata lain tingkat akurasi model sebesar 87.1%.
Co-Authors Aldi Rochman Nulkarim Amran Pratama Putra Febi Taufiqurrahman Najia Helmiah Nooraeni, Rani Nufaisa Munia