Analisis Sentimen Berbahasa Indonesia Menggunakan Preprocessing Teks, TF-IDF, Naive Bayes, dan Logika Fuzzy: Studi Kasus Komentar Netizen tentang Ijazah Jokowi

Read full text Summarise with VIRAT
Authors: Wahyu Pratama
Cited by: 0
References: 15

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Isu keabsahan ijazah Presiden Joko Widodo telah menjadi topik kontroversial yang ramai diperbincangkan di media sosial, memunculkan beragam komentar netizen dengan sentimen positif, negatif, dan netral. Penelitian ini bertujuan untuk menganalisis sentimen netizen berbahasa Indonesia terhadap isu tersebut menggunakan pendekatan hibrida. Proses dilakukan melalui tahapan preprocessing teks (case folding, tokenizing, filtering, dan stemming), pembobotan kata dengan TF-IDF, klasifikasi awal menggunakan algoritma Naive Bayes, serta penyempurnaan hasil klasifikasi dengan Logika Fuzzy untuk menangani ambiguitas dan ketidakpastian bahasa alami. Data sebanyak 10.248 komentar dikumpulkan dari Twitter, YouTube, dan TikTok, dengan 2.082 komentar digunakan sebagai data uji. Hasil menunjukkan bahwa model Naive Bayes mencapai akurasi 82,1%, dan meningkat menjadi 88,5% setelah integrasi dengan Logika Fuzzy. Distribusi akhir sentimen menunjukkan dominasi sentimen netral, diikuti oleh negatif dan positif. Pendekatan ini terbukti efektif dalam mengungkap opini publik secara lebih akurat dan representatif terhadap isu sosial-politik yang sensitif dalam bahasa Indonesia.

Fields of Study & Subjects

Sentiment Analysis and Opinion Mining Text and Document Classification Technologies Hate Speech and Cyberbullying Detection

Publication details

Journal / source
Journal Information & Computer
Volume
4
Issue
1
Pages
1–9
Publication date
30 January 2026
Language
ID