Sentiment Analysis of Public Opinion on Rupiah Redenomination on Twitter Using Naive Bayes Classification

Abstrak

Studi ini meneliti opini publik tentang kebijakan redenominasi Rupiah melalui analisis sentimen data Twitter. Redenominasi mengacu pada penyederhanaan denominasi mata uang tanpa mengubah nilai riilnya, sebuah kebijakan yang sering memicu beragam respons publik karena kekhawatiran seperti persepsi inflasi dan ilusi uang. Di era digital, Twitter (saat ini X) berfungsi sebagai platform utama untuk ekspresi publik secara real-time, menghasilkan sejumlah besar data tekstual tidak terstruktur yang cocok untuk analisis. Tujuan penelitian ini adalah untuk mengklasifikasikan sentimen publik terhadap kebijakan redenominasi Rupiah ke dalam kategori positif, negatif, dan netral menggunakan Naive Bayes Classifier, serta untuk mengevaluasi kinerja model. Dataset terdiri dari tweet berbahasa Indonesia yang dikumpulkan melalui API Twitter menggunakan kata kunci yang terkait dengan redenominasi. Pemrosesan data melibatkan beberapa tahapan, termasuk pembersihan data, pelabelan manual, pra-pemrosesan teks (case folding, tokenisasi, penghapusan stopword, dan stemming), dan ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF–IDF). Hasil klasifikasi dievaluasi menggunakan matriks kebingungan. Klasifikasi Naive Bayes mencapai akurasi sekitar 74,84% dan presisi 80%, menunjukkan bahwa model tersebut berkinerja memadai dalam mengidentifikasi pola sentimen. Temuan menunjukkan bahwa sentimen netral mendominasi diskusi, menunjukkan bahwa sebagian besar pengguna cenderung memberikan opini informatif atau observasional daripada dukungan atau penentangan yang kuat. Hasil ini diharapkan dapat memberikan wawasan bagi para pembuat kebijakan, khususnya Bank Indonesia dan pemerintah, mengenai penerimaan publik terhadap kebijakan redenominasi, sekaligus berkontribusi pada pengembangan penelitian analisis sentimen pada data media sosial Indonesia.