Opini Public Terhadap Liga Korupsi Indonesia Pada Platform Youtube menggunakan Naive Bayes dan SMOTE
https://doi.org/10.58466/aicoms.v4i2.1810
Kata Kunci:
Liga Korupsi;, Naïve Bayes, Opini Publik;, Synthetic Minority Oversampling TechniqueAbstrak
Penelitian ini menganalisis opini publik terhadap liga korupsi di Indonesia menggunakan metode Naïve Bayes dan Synthetic Minority Oversampling Technique (SMOTE). Liga korupsi adalah Liga korupsi indonesia adalah daftar kasus korupsi yang melibatkan pejabat publik, politisi, atau pihak-pihak lain di indonesia. Dalam penelitian ini Naïve Bayes diterapkan untuk klasifikasi sentimen, sedangkan SMOTE diterapkan untuk mengatasi ketidakseimbangan kelas dalam dataset yang diambil melalui komentar Youtube. Metodologi mencakup tahapan pengumpulan data, pelabelan, preprocessing, klasifikasi, dan evaluasi model. Hasil menunjukkan bahwa Naïve Bayes tanpa SMOTE menghasilkan performa yang tinggi pada kelas negatif namun sangat lemah dalam mengenali kelas positif sehingga model tidak seimbang dalam melakukan klasifikasi. Sebaliknya penggunaan Naïve Bayes dengan menggunakan SMOTE, performa model menjadi lebih seimbang dengan peningkatan yang signifikan pada kelas positif. Nilai akurasi juga mengalami kenaikan dari 79,7% menjadi 84,3%. Dari Penelitian ini memberikan wawasan penting tentang persepsi publik dan efektivitas metode klasifikasi dalam konteks isu korupsi di Indonesia.
Referensi
Kementerian Keuangan Republik Indonesia, “Tindak pidana korupsi: Pengertian dan unsur-unsurnya,” Direktorat Jenderal Perbendaharaan,Feb. 22, 2022. [Online]. Available:
Kompas.com, “Daftar megakorupsi dalam klasemen Liga Korupsi Indonesia, terbesar hampir Rp 40 triliun,” Kompas, Feb. 27, 2025. [Online]. Available:
KH. Hermanto, R. Fahlapi, A. Y. Kuntoro, and T. Asra, "Perbandingan algoritma klasifikasi analisis sentimen pengguna aplikasi Getcontact dalam pencegahan penipuan online," J-INTECH (Journal of Information and Technology), vol. 12, no. 1, pp. 158–167, Jun. 2024. [Online]. Available:
https://jurnal.stiki.ac.id/J-INTECH/article/download/1262/773/
F. T. Berton, D. E. Ratnawati, and M. A. Rahman, “Perbandingan Naïve Bayes dan K-Nearest Neighbor untuk Analisis Sentimen Terhadap Ulasan Aplikasi Threads,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 1, no. 1, pp. 1–10, Jan. 2017. [Online]. Available:
https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/download/14109/6301/100161
M. A. Ramadhan dan M. I. Wahyudin, "Analisis Sentimen Mengenai Keberhasilan Indonesia di Ajang Thomas Cup 2020 (Studi Kasus Media Sosial Twitter) Menggunakan Metode Naïve Bayes dan Decision Tree," Jurnal JTIK (Jurnal Teknologi Informasi dan Komunikasi), vol. 6, no. 4, pp. 505–511, Okt. 2022. [Online]. Available:
https://doi.org/10.35870/jtik.v6i4.560
Pemerintah Republik Indonesia, “Undang-Undang Nomor 31 Tahun 1999 tentang Pemberantasan Tindak Pidana Korupsi,” Hukumonline, 1999. [Online]. Available:
https://www.hukumonline.com/pusatdata/detail/1371/undangundang-nomor-31-tahun-1999/document/
H. Fitri and A. Wahyuni, “Analisis pengaruh e-government dalam pencegahan korupsi,” Jurnal Teknik Informatika dan Teknologi Informasi (JITET), vol. 9, no. 1, pp. 33–41, 2023. [Online]. Available:
https://journal.eng.unila.ac.id/index.php/jitet/article/view/6399/2533
A. H. Rahman, “Pemberantasan korupsi di Indonesia melalui strategi pendidikan antikorupsi,” Rechtsidee Law Journal, vol. 7, no. 1, pp. 15–22, 2020. [Online]. Available: https://e-journal.unair.ac.id/RLJ/article/download/8000/8356/55340
F. Hidayat, “Peran pendidikan karakter dalam menanggulangi korupsi sejak dini,” Jurnal Pendidikan, vol. 4, no. 2, pp. 50–55, 2021. [Online]. Available: https://repository.unmuhjember.ac.id/2730/8/Jurnal.pdf
D. Septiani dan I. Isabela, "Analisis Term Frequency Inverse Document Frequency (TF-IDF) dalam Temu Kembali Informasi pada Dokumen Teks," SINTESIA: Sistem dan Teknologi Informasi Indonesia, vol. 1, no. 2, pp. 123–130, 2022. [Online]. Available: https://journal.unj.ac.id/unj/index.php/SINTESIA/article/view/39364.
D. Darmanto, N. I. Pradasari, and E. Wahyudi, “Sistem deteksi plagiarisme tugas akhir mahasiswa berbasis Natural Language Processing menggunakan algoritma Jaro-Winkler dan TF-IDF,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 13, no. 1, pp. 201–211, 2024.
M. P. Pulungan, A. Purnomo, dan A. Kurniasih, "Penerapan SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Kepribadian MBTI Menggunakan Naive Bayes Classifier," Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 5, pp. 1033–1042, Okt. 2024. [Online]. Available: https://jtiik.ub.ac.id/index.php/jtiik/article/view/7989
S. Rahayu dan A. S. RMS, "Penerapan Metode Naive Bayes Dalam Pemilihan Kualitas Jenis Rumput Taman CV. Rumput Kita Landscape," Digital Zone: Jurnal Teknologi Informasi dan Komunikasi, vol. 9, no. 2, pp. 162–171, Nov. 2018. [Online]. Available :
Caroline, F., Budi, R. G. S., & Rivan, M. E. A. (2024). Analisis sentimen masyarakat terhadap kasus korupsi PT. Timah menggunakan metode Support Vector Machine. Jurnal Ilmu Komputer dan Informatika (JIKI), 4(1), 43–50 . [Online]. Available: https://jiki.jurnal-id.com/index.php/jiki/article/view/141
Zulzila, A., Febiola, L. J., & Vionanda, D. (2025). Analysis of public sentiment towards corruption based on tweets using Naive Bayes classifier. UNP Journal of Statistics and Data Science, 3(1), 72–78. [Online]. Available: https://ujsds.ppj.unp.ac.id/index.php/ujsds/article/view/345
Simanjuntak, D. Y., Prabowo, R., & Sanjaya, A. P. (2023). Analisis sentimen masyarakat terhadap pemerintah pada Twitter menggunakan metode SVM dan Naive Bayes. Jurnal Teknologi dan Sistem Komputer Terpadu (JITeT), 1(2), 139–148. [Online]. Available: https://journal.eng.unila.ac.id/index.php/jitet/article/view/6399
##submission.downloads##
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Aldi Ardiansyah, Mecha Bella Permata Sihombing Permata , Nur Rachmat
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
