Analisis Sentimen Masyarakat Terhadap Perekrutan Pppk Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine

Fajar Nurrachmat  Hidayat; Sugiyono Sugiyono

doi:10.55338/saintek.v5i2.1359

Authors

Fajar Nurrachmat Hidayat, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia
Sugiyono Sugiyono, Sekolah Tinggi Ilmu Komputer Cipta Karya Informatika, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i2.1359

Keywords:

Sentimen, Twitter, PPPK, Naïve Bayes, Support Vector Machine

Abstract

Peneliti mengidentifikasi beberapa masalah yang sering disorot oleh masyarakat terkait Isu Perekrutan PPPK melalui marketplace guru oleh MENDIKBUD Perekrutan melalui marketplace guru oleh MENDIKBUD menjadi isu terhangat dan kontroversial baru-baru ini. Isu ini dilontarkan pertama kali oleh Mendikbud Ristek Nadiem Makarim, Postingan akun media sosial twitter @cnbcindonesia dengan Tweet Jelang perekrutan 1 juta guru PPPK, Mendikbud Ristek Nadiem Makarim sudah menyiapkan strategi. Penelitian ini dilakukan untuk mengetahui pendapat masyarakat terhadap Perekrutan PPPK pada media sosial Twitter. Salah satu algoritma yang dapat digunakan untuk melakukan analisis sentimen adalah Naïve Bayes dan Support Vector Machine (SVM), bertujuan sebagai variable tambahan untuk menganalisis pendapat para pengguna aplikasi Perekrutan PPPK pada media sosial Twitter. Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Perekrutan PPPK berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesari 94,80 %. Dari 482 data uji, terprediksi sebesar 335 data sebagai Sentimen Negatif dan 147 data sebagai Sentimen Positif dan Metode Naïve bayes menunjukkan nilai akurasi sebesari 96,14 %. Dari 482 data uji, terprediksi sebesar 335 data sebagai Sentimen Negatif dan 147 data sebagai Sentimen Positif.

Kata Kunci: Sentimen, Twitter, PPPK, Naïve Bayes, Support Vector Machine

Downloads

Download data is not yet available.

References

Fitriani Fitriani, Ema Utami, and Anggit Dwi Hartanto, “Analisis Sentimen Masyarakat Terhadap Pelaksanaan P3K Guru Dengan Algoritma Naive Bayes Dan Decision Tree,” Tek. Teknol. Inf. dan Multimed., vol. 3, no. 1, pp. 23–30, 2022, doi: 10.46764/teknimedia.v3i1.53.

C. H. Yutika, A. Adiwijaya, and S. Al Faraby, “Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 5, no. 2, p. 422, 2021, doi: 10.30865/mib.v5i2.2845.

M. T. Student et al., “PPPK Sebagai Solusi Pemenuhan Kebutuhan SDM Profesional Dalam Birokrasi,” JSPG J. Soc. Polit. Gov., vol. 14, no. 1, pp. 1–13, 2021.

N. ANNET and J. Naranjo, “ENGANGKATAN TENAGA HONORER EKS KATEGORI 2 (K-II) BERDASARKAN SKEMA PEGAWAI PEMERINTAH DENGAN PERJANJIAN KERJA (PPPK) DI KABUPATEN BANYUMAS APPOINTMENT HONORARY WORKER EX CATEGORY 2 (K-II) BASED ON SCHEME NON-ONGOING EMPLOYEE (PPPK) IN KABUPATEN BANYUMAS,” Appl. Microbiol. Biotechnol., vol. 85, no. 1, pp. 2071–2079, 2014.

R. Eksekutif, “Penguatan Sistem Rekrutmen PPPK,” 2024.

L. N. Qomarani, “Anomali Kehadiran Pegawai Pemerintah Dengan Perjanjian Kerja (Pppk) Dalam Cakrawala Kepegawaian Di Indonesia,” Cepalo, vol. 4, no. 2, pp. 95–110, 2020, doi: 10.25041/cepalo.v4no2.1979.

H. Juliani, “Diskresi Dalam Rekrutmen Pegawai Non Pegawai Negeri Sipil Setelah Pemberlakuan Peraturan Pemerintah Nomor 49 Tahun 2018 tentang Manajemen Pegawai Pemerintah Dengan Perjanjian Kerja,” Adm. Law Gov. J., vol. 2, no. 2, pp. 314–325, 2019, doi: 10.14710/alj.v2i2.314-325.

N. S. Fahrani, “Manajemen pegawai pemerintah dengan perjanjian kerja di pemerintah kota banda aceh,” Civ. Serv. J., pp. 55–70, 2015, [Online]. Available: https://jurnal.bkn.go.id/index.php/asn/article/view/51%0Ahttps://jurnal.bkn.go.id/index.php/asn/article/download/51/120

G. A. Fauzan, “Guru Honorer dalam Lingkaran Ketidakadilan,” J. Educ., vol. 4, no. 1, pp. 197–208, 2021, doi: 10.31004/joe.v4i1.418.

D. I. K. Takalar, “Pengangkatan dan pemecatan pegawai honorer di kabupaten takalar,” vol. 1, pp. 232–240.

G. Besar, F. Universitas, and W. Menteri, “UNDANG-UNDANG APARATUR SIPIL NEGARA : MEMBANGUN PROFESIONALISME APARATUR SIPIL NEGARA CIVIL STATE APPARATUSLAW : BUILDING THE PROFESSIONALISM OF CIVIL STATE APPARATUS,” vol. 8, no. 1, pp. 13–31, 2014.

D. Rusdiaman and D. Rosiyadi, “Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci. , vol. 4, no. 2, pp. 230–235, 2019.

L. Oktasari, Y. H. Chrisnanto, and R. Yuniarti, “Text Mining Dalam Analisis Sentimen Asuransi Menggunakan Metode Niave Bayes Classifier,” Pros. SNST, vol. 7, pp. 37–42, 2016, [Online]. Available: https://www.publikasiilmiah.unwahas.ac.id/index.php/PROSIDING_SNST_FT/article/view/1506/1589

H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, 2018, doi: 10.30591/jpit.v3i3.977.

E. Indrayuni, A. Nurhadi, and D. A. Kristiyanti, “Implementasi Algoritma Naive Bayes, Support Vector Machine, dan K-Nearest Neighbors untuk Analisa Sentimen Aplikasi Halodoc,” Fakt. Exacta, vol. 14, no. 2, p. 64, 2021, doi: 10.30998/faktorexacta.v14i2.9697.