Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal CESS (Journal of Computer Engineering, System and Science)
Nurwana Nazla Saragih
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Analisis Sentimen Menggunakan Metode Naïve Bayes Tentang Program Mudik Gratis Pemerintah Kota Medan 2024 Nurwana Nazla Saragih; Rakhmat Kurniawan
CESS (Journal of Computer Engineering, System and Science) Vol. 10 No. 1 (2025): Januari 2025
Publisher : Universitas Negeri Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24114/cess.v10i1.65930

Abstract

Pemerintah Kota Medan secara rutin mengadakan program mudik gratis bagi masyarakatnya, yang telah berlangsung selama tiga tahun berturut-turut (2022, 2023, dan 2024). Program ini mendapatkan respons beragam dari masyarakat, yang terekam melalui berbagai komentar di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap program mudik gratis tahun 2024 dengan menggunakan metode Naïve Bayes. Data yang digunakan berupa 394 komentar dari akun Instagram resmi Wali Kota Medan, yang diklasifikasikan ke dalam tiga kategori sentimen positif, negatif, dan netral. Metode penelitian meliputi pengumpulan data, preprocessing (cleaning, case folding, tokenizing, filtering, stopword removal, stemming), serta penerapan algoritma Naïve Bayes dengan teknik TF-IDF sebagai fitur ekstraksi. Evaluasi dilakukan menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan F1-score. Hasil analisis menunjukkan bahwa dari total 394 komentar, terdapat 110 komentar positif, 107 komentar negatif, dan 177 komentar netral. Model Naïve Bayes yang digunakan mencapai akurasi sebesar 51,667%. Meskipun model mampu mengklasifikasikan data dengan tingkat keakuratan sedang, terdapat kelemahan dalam mendeteksi sentimen negatif, yang tercermin dari rendahnya recall pada kelas negatif. Faktor-faktor seperti ketidakseimbangan kelas, pemilihan fitur, dan kualitas data menjadi aspek yang perlu ditingkatkan untuk meningkatkan kinerja model di masa mendatang.
Co-Authors Rakhmat Kurniawan R