ANALISIS SENTIMEN MASYARAKAT TENTANG DAMPAK PERTAMBANGAN DI PULAU TALIABU PROVINSI MALUKU UTARA MELALUI MEDIA SOSIAL MENGGUNAKAN METODE K-MEANS DAN NAIVE BAYES
Isi Artikel Utama
Abstrak
Penelitian ini bertujuan untuk menganalisis opini masyarakat terkait isu pertambangan di Pulau Taliabu yang terekam melalui media sosial. Data yang digunakan berupa komentar pengguna dari Facebook, X (Twitter), TikTok, dan Instagram yang kemudian diolah melalui tahap praproses teks sebelum dilakukan pengelompokan menggunakan algoritma K-Means Clustering. Hasil analisis menunjukkan bahwa opini masyarakat terbagi ke dalam tiga sentimen utama, yaitu positif, netral, dan negatif. Sentimen negatif menjadi klaster yang paling dominan dengan jumlah 750 data, sedangkan klaster netral berjumlah 142 data yang umumnya berfokus pada diskusi isu pembangunan dan sumber daya alam, dan klaster positif berjumlah 28 data yang berisi apresiasi maupun dukungan terhadap figur publik. Faktor-faktor yang memengaruhi sentimen masyarakat meliputi isu pembangunan infrastruktur, kinerja pemerintah, serta dampak sosial-ekonomi dari aktivitas pertambangan. Dilakukan klasifikasi menggunakan algoritma Multinomial Naive Bayes yang berhasil memprediksi sentimen dengan tingkat akurasi sangat baik, yakni mencapai 89,77%. Temuan ini memberikan gambaran yang lebih jelas mengenai persepsi publik terhadap aktivitas pertambangan di Pulau Taliabu.
Rincian Artikel
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright (c) STMIK TIMEReferensi
[1] F. A. Harahap, "Penentuan sektor basis di Indonesia," Doctoral dissertation, UIN Syekh Ali Hasan Ahmad Addary Padangsidimpuan, 2022.
[2] H. B. Aji dan A. Teapon, "Pengaruh batuan induk dan kimia tanah terhadap potensi kesuburan tanah di Kabupaten Kepulauan Sula, Provinsi Maluku Utara," Jurnal Pengkajian dan Pengembangan Teknologi Pertanian, vol. 22, no. 3, hal. 343-353, 2019.
[3] D. Fauzah, N. Nurany, dan F. Firman, "Evaluasi kemajuan tambang triwulan ke IV (Oktober-Desember) 2022 pada tambang bijih besi PT. Bintani Megahindah Kabupaten Pulau Taliabu Provinsi Maluku Utara," Jurnal Teknologi Sumberdaya Mineral, vol. 4, no. 2, hal. 45-52, 2023.
[4] E. Lovenda, "Kajian ekonomi lingkungan: Biaya eksternal dalam aktivitas industri pertambangan," Circle Archive, vol. 1, no. 7, 2025.
[5] R. Yusuf, "Implementasi algoritma Support Vector Machine untuk pengaruh emosi dasar pada sentimen ulasan film," Doctoral dissertation, Universitas Buddhi Dharma, 2023.
[6] H. Setiawan, E. Utami, dan S. Sudarmawan, "Analisis sentimen Twitter kuliah online pasca Covid-19 menggunakan algoritma Support Vector Machine dan Naive Bayes," Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, hal. 43-51, 2021.
[7] R. L. Atimi dan E. E. Pratama, "Implementasi model klasifikasi sentimen pada review produk Lazada Indonesia," Jurnal Sains dan Informatika, vol. 8, no. 1, hal. 88-96, 2022.
[8] S. Wulandari dan F. N. Hasan, "Analisis sentimen masyarakat Indonesia terhadap pengalaman belanja thrifting pada media sosial Twitter menggunakan algoritma Naïve Bayes," Jurnal Media Informatika Budidarma, vol. 8, no. 2, hal. 768-776, 2024.
[9] T. Wibisino dan Y. S. Mulyani, "Analisis dampak penggunaan media sosial terhadap prestasi akademik pelajar tingkat Sekolah Menengah Pertama," Jurnal Ekonomi Manajemen, vol. 4, no. 1, hal. 1-7, 2018.
[10] A. F. Firdaus dan W. I. Firdaus, "Text Mining dan pola algoritma dalam penyelesaian masalah informasi: (Sebuah ulasan)," JUPITER (Jurnal Penelitian Ilmu dan Teknologi Komputer), vol. 13, no. 1, hal. 66-78, 2021.
[11] H. Gunawan dan V. Purwayoga, "Data mining menggunakan algoritma K-Means Clustering untuk mengetahui potensi penyebaran virus corona di Kota Cirebon," Jurnal Sisfokom (Sistem Informasi dan Komputer), vol. 11, no. 1, hal. 1-8, 2022.
[12] S. K. Wardani, Y. A. Sari, dan I. Indriati, "Analisis sentimen menggunakan metode Naïve Bayes Classifier terhadap review produk perawatan kulit wajah menggunakan seleksi fitur N-gram dan document frequency thresholding," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 12, hal. 5582-5590, 2021.
[13] Y. O. Sihombing dan N. V. Situmorang, "Prediksi Sentimen Pada Teks Media Sosial Corporate University Menggunakan RoBERTa," Prosiding PITNAS Widyaiswara, vol. 1, hal. 302-316, 2024.
[14] N. Norlaila, W. W. Winarno, dan E. T. Luthfi, "Analisis Sentimen Masyarakat Tentang Tambang Di Indonesia Pada Twitter Menggunakan Data Mining," JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, hal. 1091-1099, 2024.
[15] T. Y. Pahtoni dan H. Jati, "Analisis sentimen data Twitter terkait ChatGPT menggunakan Orange Data Mining," Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 11, no. 2, hal. 329-336, 2024.