Ibrahim, Agus
Unknown Affiliation

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

Found 1 Documents
Search

ANALISIS SENTIMEN TERHADAP USULAN PERPANJANGAN MASA JABATAN KEPALA DESA MENGGUNAKAN ALGORITMA NAÏVE BAYES Ibrahim, Agus; Susilo Yuda Irawan, Agung; Solehudin, Arip
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 7 No. 4 (2023): JATI Vol. 7 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v7i4.7153

Abstract

Kepala desa merupakan pejabat pemerintahan tingkat desa yang memiliki kewenangan, tanggung jawab, dan tugas untuk mengelola urusan di tingkat desa serta menjalankan tugas-tugas yang ditugaskan oleh pemerintah dan pemerintah daerah. Masa jabatan kepala desa berlangsung selama 6 tahun dan dapat diperpanjang hingga 3 kali masa jabatan berikutnya secara berturut-turut atau tidak. Kepala desa tidak memiliki tanggung jawab langsung kepada Camat, melainkan hanya melakukan koordinasi dengan Camat. Kepala desa bertanggung jawab dalam menjalankan fungsi pemerintahan desa, mengawasi proses pembangunan di desa, melakukan pembinaan sosial dan kemasyarakatan di desa, serta memberdayakan masyarakat desa. Permasalahan mengenai perpanjangan masa jabatan Kepala Desa hingga 9 tahun tengah menjadi polemik,tuntutan perpanjangan masa jabatan itu dikarenakan beberapa alasan diantaranya untuk mengurangi persaingan politik ataupun konflik saat sedang melaksanakan pemilihan Kepala desa yang dipilih secara langsung oleh penduduk desa melalui Pemilihan Kepala Desa (Pilkades). Analisis sentimen ini bertujuan untuk memberikan gambaran tentang bagaimana pandangan tentang masa jabatan kepala desa. Melalui penerapan algoritma Naïve Bayes dengan metodologi KDD, pendapat atau sentimen yang dianalisis menghasilkan 61 label positif, 317 label negatif, dan 512 label netral. Untuk menguji keakuratan analisis sentimen dalam menyelesaikan Pemilihan Umum 2024, digunakan metode split data dan confusion matrix untuk menguji skor. Hasilnya menunjukkan bahwa model dengan pembagian data 90:10 memiliki akurasi tertinggi. Selain menggunakan confusion matrix, juga dilakukan pengujian dengan menerapkan grafik ROC, ditemukan bahwa model yang mengadopsi pembagian data 60:40 mencapai nilai AUC paling tinggi, yaitu 0,73. Hal ini mengindikasikan bahwa model tersebut memiliki kemampuan klasifikasi yang efektif.