Analisis Sentimen Publik atas Kebijakan Efisiensi Anggaran 2025 dengan Text Mining dan Natural Language Processing

Vina Agustina; Asti Herliana

doi:10.55338/jumin.v6i3.6301

Authors

Vina Agustina Universitas Adhirajasa Reswara Sanjaya
Asti Herliana Universitas Adhirajasa Reswara Sanjaya

DOI:

https://doi.org/10.55338/jumin.v6i3.6301

Keywords:

Budget Efficiency, Naive Bayes, NLP, Sentiment Analysis, Text Mining

Abstract

Kebijakan efisiensi anggaran merupakan langkah strategis pemerintah untuk mengoptimalkan penggunaan belanja negara. Langkah konkret terbaru di tahun 2025, yakni Instruksi Presiden Nomor 1 Tahun 2025 yang dikeluarkan pada tanggal 22 Januari 2025, menetapkan pemangkasan anggaran belanja negara sebesar Rp 306,69 triliun. Namun, implementasi kebijakan ini sering menimbulkan pro dan kontra di masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan efisiensi anggaran tahun 2025 dengan pendekatan Text Mining dan Natural Language Processing (NLP). Data dikumpulkan dari media sosial Twitter menggunakan teknik web crawling berbasis Python, dengan kata kunci tertentu dan filter waktu tertentu, sehingga diperoleh 1.614 tweet yang relevan. Proses pre-processing meliputi pembersihan data, case folding, tokenisasi dan stopword removal. Data kemudian diberi label sentimen secara manual (positif, negatif, netral), dibagi menjadi data latih (70%) dan data uji (30%) dengan teknik stratified sampling, serta ditransformasikan menjadi bentuk numerik menggunakan metode TF-IDF. Hasil klasifikasi menggunakan algoritma Naive Bayes menunjukkan bahwa mayoritas sentimen masyarakat bersifat negatif (74,53%), dengan akurasi model mencapai 93,01%. Temuan ini menunjukkan bahwa masih terdapat ketidakpuasan publik terhadap kebijakan tersebut. Penelitian ini memberikan kontribusi dalam pemanfaatan teknologi untuk mendukung pengambilan keputusan berbasis data (evidence-based policy), serta dapat menjadi acuan bagi pemerintah dalam merumuskan strategi komunikasi publik yang lebih responsif.

Downloads

Download data is not yet available.

References

Kementrian Sekretariat Negara, Instruksi Presiden (Inpres) Nomor 1 Tahun 2025 tentang Efisiensi Belanja dalam Pelaksanaan Anggaran Pendapatan dan Belanja Negara dan Anggaran Pendapatan dan Belanja Daerah Tahun Anggaran 2025. . https://peraturan.bpk.go.id/Details/313401/inpres-no-1-tahun-2025, 2025.

S. Salman and M. Ikbal, “Analisis Efektivitas Kebijakan Efisiensi Anggaran: Ditinjau Dari Aspek Ekonomi,” Journal of Economics Development Research, vol. 1, no. 2, pp. 68–72, 2025.

R. A. Hafika, A. Hafiz, S. A. Waruwu, M. Y. Noor, Y. A. A. Sitohang, and K. Saputra, “EFISIENSI ANGGARAN DALAM WACANA PUBLIK: ANALISIS SENTIMEN PLATFORM X DENGAN NAÏVE BAYES,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 4, pp. 6093–6099, 2025.

M. M. H. R. Pratama, “Comparison of Support Vector Machine (SVM) and Naïve Bayes Algorithm Performance in Analyzing Garuda Bird Design Sentiment in IKN,” JOURNAL OF INFORMATICS AND TELECOMMUNICATION ENGINEERING, vol. 8, no. 3Spc, pp. 1–8, 2025.

F. Mas’ud, H. Jeluhur, K. Negat, A. Tefa, M. Uly, and M. Amtiran, “Etika Dalam Media Sosial Antara Kebebasan Ekspresi Dan Tanggung Jawab Digital,” Jimmi: Jurnal Ilmiah Mahasiswa Multidisiplin, vol. 2, no. 2, pp. 235–246, 2025.

M. Z. Maharani, “Analisis sentimen positif terhadap Avoskin sebagai Eco Friendly Brand di media sosial X dan TikTok,” Filosofi: Publikasi Ilmu Komunikasi, Desain, Seni Budaya, vol. 1, no. 3, pp. 125–140, 2024.

R. A. E. V. T. Sapanji, D. Hamdani, and P. Harahap, “Sentiment Analysis of the Top 5 E-commerce Platforms in Indonesia using Text Mining and Natural Language Processing (NLP),” Journal of Applied Informatics and Computing, vol. 7, no. 2, pp. 202–211, 2023.

F. F. Mailoa, “Analisis sentimen data twitter menggunakan metode text mining tentang masalah obesitas di indonesia,” Journal of Information Systems for Public Health, vol. 6, no. 1, pp. 44–51, 2021.

F. Erlangga and I. P. Sari, “Perancangan Sistem Untuk Merekomendasikan Produk Skincare Menggunakan Metode NLP,” Portal Riset dan Inovasi Sistem Perangkat Lunak, vol. 2, no. 4, pp. 1–11, 2024.

M. Kholilullah, M. Martanto, and U. Hayati, “Analisis Sentimen Pengguna Twitter (X) Tentang Piala Dunia Usia 17 Menggunakan Metode Naive Bayes,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 8, no. 1, pp. 392–398, 2024.

E. T. Handayani and A. Sulistiyawati, “Analisis Sentimen Respon Masyarakat Terhadap Kabar Harian Covid-19 Pada Twitter Kementerian Kesehatan Dengan Metode Klasifikasi Naive Bayes,” J. Teknol. dan Sist. Inf, vol. 2, no. 3, pp. 32–37, 2021.

N. P. G. Naraswati, R. Nooraeni, D. C. Rosmilda, D. Desinta, F. Khairi, and R. Damaiyanti, “Analisis Sentimen Publik dari Twitter Tentang Kebijakan Penanganan Covid-19 di Indonesia dengan Naive Bayes Classification,” Sistemasi: Jurnal Sistem Informasi, vol. 10, no. 1, pp. 222–238, 2021.

P. Arsi, B. A. Kusuma, and A. Nurhakim, “Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier,” Jurnal Informatika Upgris, vol. 7, no. 1, 2021.

R. H. Ali, G. Pinto, E. Lawrie, and E. J. Linstead, “A large-scale sentiment analysis of tweets pertaining to the 2020 US presidential election,” J Big Data, vol. 9, no. 1, p. 79, 2022.

A. Herliana, “Analisis Sentimen Kuliah Daring Dengan Algoritma Naïve Bayes, K-Nn Dan Decision Tree,” Jurnal Responsif: Riset Sains Dan Informatika, vol. 4, no. 1, pp. 70–80, 2022.

A. R. Isnain, N. S. Marga, and D. Alita, “Sentiment analysis of government policy on corona case using naive bayes algorithm,” IJCCS (Indonesian Journal of Computing and Cybernetics Systems), vol. 15, no. 1, pp. 55–64, 2021.