Analisis Sentimen Terhadap Pemindahan Ibu Kota Negara (IKN) Pada Media Sosial X dengan Metode Naive Bayes dan K-Nearst Naighbor (K-NN)

Penelitian ini menyelidiki sentimen publik terhadap pemindahan ibu kota Indonesia dari Jakarta ke Kalimantan Timur, dengan fokus pada reaksi dari platform media sosial seperti X (sebelumnya Twitter). Memahami sentimen ini sangat penting bagi pemerintah untuk mengukur dukungan terhadap perubahan kebijakan yang signifikan ini. Penelitian ini membandingkan kinerja dua algoritma klasifikasi, Naïve Bayes dan K-Nearest Neighbor (K-NN), dalam analisis sentimen. Sebanyak 1.277 komentar dikumpulkan menggunakan pustaka tweet-harvest melalui proses crawling. Data tersebut menjalani preprocessing, termasuk pembersihan, case folding, normalisasi, penghilangan stopword, tokenisasi, dan stemming. Label sentimen diberikan melalui metode manual dan otomatis, sementara ekstraksi fitur dilakukan dengan menggunakan teknik TF-IDF. Kinerja algoritma dinilai dengan menggunakan metrik akurasi, presisi, recall, dan F1-score. Hasilnya menunjukkan bahwa Naïve Bayes mengungguli K-NN, dengan akurasi 70%, presisi 72%, recall 70%, dan F1-score 69%. Sebaliknya, K-NN mencapai akurasi 60%, presisi 62%, recall 60%, dan F1-score 59%. Hasil ini menunjukkan bahwa Naïve Bayes lebih efektif dalam mengklasifikasikan sentimen terkait pemindahan ibu kota. Temuan ini menawarkan wawasan yang berharga bagi para pembuat kebijakan dan menyoroti potensi analisis sentimen otomatis sebagai alat untuk memantau opini publik terhadap kebijakan-kebijakan besar pemerintah.

Kata Kunci: Ibu Kota Negara, K-Nearest Neighbor, Naïve Bayes, Analisis Sentimen, Media Sosial X