Claim Missing Document
Check
Articles

Found 2 Documents
Search

Sentiment Analysis of Twitter User Government Official of Indonesia Vacancy in 2024 Using Naive Bayes Classification Larissa, Dwika; Vionanda, Dodi
Jurnal Pendidikan Tambusai Vol. 9 No. 1 (2025)
Publisher : LPPM Universitas Pahlawan Tuanku Tambusai, Riau, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31004/jptam.v9i1.25497

Abstract

Pengumuman seleksi CPNS merupakan momen penting yang selalu ditunggu-tunggu oleh masyarakat Indonesia setiap tahunnya. Hal ini tidak terlepas dari tingginya animo masyarakat untuk menjadi bagian dari Aparatur Sipil Negara. Penelitian ini menganalisis sentimen masyarakat terhadap pengumuman seleksi CPNS tahun 2024 dengan menggunakan metode klasifikasi Naive Bayes. Data dikumpulkan dari 2001 tweet di Twitter yang berkaitan dengan Lowongan CPNS 2024, dan dilakukan preprocessing sebelum dilakukan analisis sentimen. Hasil penelitian menunjukkan bahwa mayoritas respon masyarakat adalah netral dengan 1788 tweet, sedangkan 94 tweet positif, dan 10 tweet negatif. Ketidakpastian mengenai jumlah formasi, proses seleksi, persyaratan, dan kebijakan lainnya menjadi faktor utama yang membuat sebagian besar masyarakat cenderung netral. Hasil analisis juga menunjukkan bahwa model klasifikasi Naive Bayes memiliki akurasi sebesar 92%, menunjukkan kemampuan yang baik dalam mengkategorikan data sentimen. Penelitian ini memberikan masukan yang berharga bagi pemerintah dan lembaga terkait dalam merancang kebijakan yang lebih transparan dan jelas untuk meningkatkan dukungan masyarakat terhadap pembukaan lowongan CPNS di masa mendatang.
Peramalan Harga Bawang Merah di Kota Padang Menggunakan Metode SARIMA Larissa, Dwika; Fitri, Fadhilah; Dina Fitria
UNP Journal of Statistics and Data Science Vol. 3 No. 1 (2025): UNP Journal of Statistics and Data Science
Publisher : Departemen Statistika Universitas Negeri Padang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24036/ujsds/vol3-iss1/330

Abstract

The fluctuation of shallot prices in Padang City has become a major concern for consumers, producers, and the government. This study applies the Seasonal Autoregressive Integrated Moving Average (SARIMA) method to forecast shallot prices from January 2020 to August 2024, using monthly time-series data. The analysis identifies ARIMA(1,1,2)(0,1,1)12 as the optimal model for predicting shallot prices in Padang City, effectively capturing seasonal and non-seasonal patterns. Predictions for the period from September 2024 to August 2025 indicate a price increase trend, peaking in May 2025 before declining. The findings are expected to serve as a reference for planning production, distribution, and price control of shallots.