Analisis Sentimen Masyarakat Jakarta Terhadap Kebijakan Perluasan Dan Perpanjangan Ganjil Genap di Media Sosial Twitter

Authors

  • Nur Sucahyo Institut Teknologi dan Bisnis Swadharma, Indonesia http://orcid.org/0000-0002-3868-4562
  • Lela Nurlaela Institut Teknologi dan Bisnis Swadharma, Indonesia
  • Robbi Rekto Waryono Institut Teknologi dan Bisnis Swadharma, Indonesia

DOI:

https://doi.org/10.37012/jtik.v7i1.506

Abstract

Sosial media kini telah menjadi budaya baru dalam rutinitas sehari-hari. Sosial media hadir sebagai wadah untuk berbagi informasi. Namun dalam perkembangannya, sosial media bukan lagi sekedar berbagi informasi tapi sebagai wadah menyampaikan pendapat, kritik, saran dan komplain kepada instansi tertentu. Data Badan Pusat Statistik  DKI Jakarta tahun 2016, jumlah kendaraan bermotor yang terdaftar sebanyak 11.839.921 unit dengan jumlah sebanyak itu jika tidak diimbangi dengan pertumbuhan pembangunan jalan yang signifikan maka kemacetan akan bertambah parah setiap tahunnya di DKI Jakarta. Dengan penerapan kebijakan ganjil genap diharapkan kemacetan dapat berkurang dan masyarakat berlaih menggunakan transportasi umum yang telah tersedia. Penelitian dilakukan dengan cara menganalisa sentimen masyarakat berupa respon postif, netral atau negatif pada media sosial twitter. Algoritma Naïve Bayes Classifier digunakan untuk mengklasifikasikan ke dalam sentimen positif, netral dan negative. Data diperoleh dengan cara crawling pada media sosial twitter pada bulan maret sampai mei 2019. Hasil penelitian memperoleh data sebanyak 3117 baris kemudian diprosentasekan menjadi 5.38% sentiment positif 14.54% sentimen negatif dan 80.08% sentimen netral. Dengan hasil tersebut, sentimen netral mendominasi. Hal ini disebabkan oleh beberapa hal diantaranya yaitu respon masyarakat yang cenderung tidak peduli terhadap kebijakan ganjil genap dan proses pengambilan data dilakukan pada saat ganjil genap tidak menjadi trending.

 

References

BPS DKI Jakarta. (2019). Jumlah Kendaraan Bermotor Menurut Jenis Kendaraan (unit) di Provinsi DKI Jakarta 2017-2019. Retrieved February 28, 2021, from Data Sensus website: https://jakarta.bps.go.id/indicator/17/786/1/jumlah-kendaraan-bermotor-menurut-jenis-kendaraan-unit-di-provinsi-dki-jakarta.html

Han, J., Kamber, M., & Pei, J. (2012). Data Mining: Concepts and Techniques (Third Edition). https://doi.org/https://doi.org/10.1016/B978-0-12-381479-1.00001-0

Kumar, S., Morstatter, F., & Liu, H. (2014). Twitter Data Analytics. https://doi.org/10.1007/978-1-4614-9372-3

Ruhyana, N. (2019). Analisis Sentimen Terhadap Penerapan Sistem Plat Nomor Ganjil/Genap Pada Twitter Dengan Metode Klasifikasi Naive Bayes. Jurnal IKRA-ITH Informatika, 3(1), 94–99. Retrieved from https://journals.upi-yai.ac.id/index.php/ikraith-informatika/article/view/304/196

Suhanda, Y., Kurniati, I., & Norma, S. (2020). Penerapan Metode Crisp-DM dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika Dan Komputer MH Thamrin, 6(2), 12–20. https://doi.org/https://doi.org/10.37012/jtik.v6i2.299

Yanti, D. S. A., Indriati, & Adikara, P. P. (2019). Analisis Sentimen Tentang Kebijakan Ganjil Genap Kendaraan Bermotor di DKI Jakarta Pada Twitter Menggunakan BM25 dan K-Nearest Neighbor. Jurnal Pengembangan Teknlogi Informasi Dan Ilmu Komputer, 3(3), 2626–2631. Retrieved from http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/4764

Downloads

Published

2021-03-26

Citation Check