Claim Missing Document
Check
Articles

Found 2 Documents
Search

ANALISIS SENTIMEN PERAN PEREMPUAN DALAM PEMBANGUNAN KOTA TEGAL MELALUI TWITTER Andriani, Wresti; Gunawan, Gunawam; W.N, Naella Nabila Putri
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2612

Abstract

Penelitian ini bertujuan mengevaluasi persepsi publik terhadap peran perempuan dalam pembangunan di Kota Tegal melalui analisis data Twitter. Sebanyak 500 tweet dari tahun 2020 hingga 2025 digunakan sebagai data utama. Klasifikasi sentimen dilakukan menggunakan algoritma Naïve Bayes dan metode pembobotan TF-IDF. Data dianalisis setelah melalui tahap preprocessing seperti normalisasi, pembersihan simbol, stopword removal, dan stemming. Hasil analisis menunjukkan 60% opini positif, 25% negatif, dan 15% netral. Kata-kata seperti “UMKM”, “Aktif”, dan “Perempuan Tegal” mendominasi sentimen positif, sementara sentimen negatif mencakup frasa “Kurang Dilibatkan” dan “Minim Dukungan”. Model Naïve Bayes menunjukkan performa baik dengan akurasi 87%, presisi 90%, recall 78%, dan F1-score 84%. Temuan ini menyarankan perlunya peningkatan peran perempuan melalui dukungan UMKM dan pelibatan dalam kebijakan pembangunan
ANALISIS SENTIMEN PERAN PEREMPUAN DALAM PEMBANGUNAN KOTA TEGAL MELALUI TWITTER Andriani, Wresti; Gunawan, Gunawam; W.N, Naella Nabila Putri
Jurnal Teknologi Informasi Mura Vol 17 No 1 (2025): Jurnal Teknologi Informasi Mura JUNI
Publisher : LPPM UNIVERSITAS BINA INSAN

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32767/jti.v17i1.2612

Abstract

Penelitian ini bertujuan mengevaluasi persepsi publik terhadap peran perempuan dalam pembangunan di Kota Tegal melalui analisis data Twitter. Sebanyak 500 tweet dari tahun 2020 hingga 2025 digunakan sebagai data utama. Klasifikasi sentimen dilakukan menggunakan algoritma Naïve Bayes dan metode pembobotan TF-IDF. Data dianalisis setelah melalui tahap preprocessing seperti normalisasi, pembersihan simbol, stopword removal, dan stemming. Hasil analisis menunjukkan 60% opini positif, 25% negatif, dan 15% netral. Kata-kata seperti “UMKM”, “Aktif”, dan “Perempuan Tegal” mendominasi sentimen positif, sementara sentimen negatif mencakup frasa “Kurang Dilibatkan” dan “Minim Dukungan”. Model Naïve Bayes menunjukkan performa baik dengan akurasi 87%, presisi 90%, recall 78%, dan F1-score 84%. Temuan ini menyarankan perlunya peningkatan peran perempuan melalui dukungan UMKM dan pelibatan dalam kebijakan pembangunan