Model Klasifikasi Naive Bayes untuk Pemetaan Persepsi Publik Secara Real-Time pada Media Sosial: Studi Kasus RUU TNI 2025

Reza Rahmatulloh; Mukhammad  Iqbal Ibrahim; Maya Rini  Handayani`; Khotibul  Umam; Nur Cahyo Hendro Wibowo

doi:10.51454/decode.v5i2.1139

Authors

Reza Rahmatulloh Teknologi Informasi UIN Walisongo Semarang
Mukhammad Iqbal Ibrahim Hukum Keluarga Islam UIN Walisongo Semarang
Maya Rini Handayani` Teknologi Informasi UIN Walisongo Semarang
Khotibul Umam Teknologi Informasi UIN Walisongo Semarang
Nur Cahyo Hendro Wibowo Teknologi Informasi UIN Walisongo Semarang

DOI:

https://doi.org/10.51454/decode.v5i2.1139

Keywords:

Naïve Bayes, RUU TNI 2025, Sentimen Masyarakat, TF-IDF

Abstract

Pengesahan Revisi Undang-Undang TNI 2025 memicu respons polarisasi di media sosial X (Twitter), terutama terkait kekhawatiran kebangkitan doktrin dwifungsi ABRI era Orde Baru. Penelitian ini bertujuan menganalisis sentimen publik, mengidentifikasi kecenderungan opini (dukungan/penolakan), dan mengevaluasi kinerja model klasifikasi. Data diperoleh melalui crawling 531 cuitan menggunakan kata kunci strategis ("dwifungsi ABRI", "demokrasi", "supremasi sipil"), diproses dengan preprocessing (cleaning, case folding, tokenization, stopword removal, stemming) dan pelabelan manual. Fitur diekstraksi menggunakan pembobotan TF-IDF, lalu diklasifikasikan dengan Naïve Bayes melalui lima skema pembagian data latih-uji (90%:10% hingga 50%:50%). Hasil menunjukkan dominasi sentimen negatif (81%/434 cuitan) dibanding positif (19%/97 cuitan), dengan model terbaik (skema 90%:10%) mencapai akurasi 85,19% dan presisi 100%, namun recall sangat rendah (4,35%) dan F1-score 8,33%. Word cloud mengungkap kata kunci negatif seperti "tolak", "DPR", dan "Dwifungsi ABRI" yang merefleksikan trauma historis. Simpulan penelitian mengindikasikan penolakan publik terhadap RUU TNI 2025, dengan kelemahan kritis pada deteksi sentimen positif akibat class imbalance dan keterbatasan Naïve Bayes menangkap konteks linguistik kompleks. Rekomendasi mencakup teknik oversampling (SMOTE) dan algoritma berbasis konteks (LSTM) untuk optimasi model.

References

Adwan, O. Y., Al-Tawil, M., Huneiti, A. M., Shahin, R. A., Abu Zayed, A. A., & Al-Dibsi, R. H. (2020). Twitter sentiment analysis approaches: A survey. International Journal of Emerging Technologies in Learning, 15(15), 79–93. https://doi.org/10.3991/ijet.v15i15.14467

Afuan, L., Khanza, M., & Hasyati, A. Z. (2025). Enhancing Sentiment Analysis Of The 2024 Indonesian Presidential Inauguration On X Using Smote-Optimized Naive Bayes Classifier. Jurnal Teknik Informatika (JUTIF), 6(1), 325–333. https://doi.org/10.52436/1.jutif.2025.6.1.4290

Akashi, N. U. (2025). Apa Isi UU TNI Terbaru? Ini Daftar Pasal yang Direvisi dan Disahkan DPR. https://www.detik.com/jogja/berita/d-7834561/apa-isi-uu-tni-terbaru-ini-daftar-pasal-yang-direvisi-dan-disahkan-dpr

Alamsyah, H., Cahyana, Y., & Pratama, A. R. (2023). Deteksi Fake Review Menggunakan Metode Support Vector Machine dan Naïve Bayes Di Tokopedia. Jutisi: Jurnal Ilmiah Teknik Informatika Dan Sistem Informasi, 12(2), 585–598.

Aldiansyah Poetra, F., Rohana, T., & Elvira Awal, E. (2023). Implementasi Algoritma Naïve Bayes Untuk Mendiagnosa Skizofrenia Berbasis Web. IV(2), 146.

Alvia Wirayani, N., Ary, N. M., Wirastuti, E. D., Bagus, I., Manuaba, G., Info, A., Kunci, K., & Bayes, N. (2025). Analisis Sentimen Tanggapan Masyarakat Tentang Garuda IKN Menggunakan Metode Naive Bayes. 5(1), 27–40. https://doi.org/10.51454/decode.v5i1.860

Anwar, A. (2020). Dwi Fungsi ABRI: Melacak Sejarah Keterlibatan ABRI dalam Kehidupan Sosial Politik dan Perekonomian Indonesia. Jurnal Adabiya, 20(1), 23–46. https://doi.org/10.22373/adabiya.v20i1.6776

Artanto, F. A. (2024). Analisis Sentimen Opini Publik terhadap Fenomena Bunuh Diri Mahasiswa di Twitter Menggunakan Algoritma Naive Bayes. SATESI: Jurnal Sains Teknologi dan Sistem Informasi, 4(1), 70–77. https://doi.org/10.54259/satesi.v4i1.2908

Banafshah Shafa, Hanny Hikmayanti Handayani, Santi Arum Puspita Lestari, & Yana Cahyana. (2024). Prediksi Kanker Paru dengan Normalisasi menggunakan Perbandingan Algoritma Random Forest, Decision Tree dan Naïve Bayes. Decode: Jurnal Pendidikan Teknologi Informasi, 4(3), 1057–1070. https://doi.org/10.51454/decode.v4i3.779

Bouazizi, M., & Ohtsuki, T. (2019). Multi-class sentiment analysis on Twitter: Classification performance and challenges. Big Data Mining and Analytics, 2(3), 181–194. https://doi.org/10.26599/BDMA.2019.9020002

Darman, D., & Razilu, Z. (2024). Implementasi Metode Naïve Bayes Dalam Memprediksi Kelulusan Mahasiswa Tepat Waktu Pada Program Studi Pendidikan Teknologi Informasi. Decode: Jurnal Pendidikan Teknologi Informasi, 4(3), 915–927. https://doi.org/10.51454/decode.v4i3.456

Dirgantara, A. (2025). RUU TNI Disahkan Jadi Undang-Undang. https://nasional.kompas.com/read/2025/03/20/10381601/ruu-tni-disahkan-jadi-undang-undang

Eko, E. R. D., Maharani, D., Syahputra, A. K., Razilu, Z., Banafshah Shafa, Hanny Hikmayanti Handayani, Santi Arum Puspita Lestari, Yana Cahyana, Alvia Wirayani, N., Ary, N. M., Wirastuti, E. D., Bagus, I., Manuaba, G., Info, A., Kunci, K., Bayes, N., Imam Riadi, Rusydi Umar, & Rio Anggara. (2024). Pemanfaatan Metode Naive Bayes Untuk Klasifikasi Status Gizi Balita Pada Kelurahan Karang Anyer. Decode: Jurnal Pendidikan Teknologi Informasi, 4(2), 392–405. https://doi.org/10.51454/decode.v4i2.279

Firdaus, A. A., Yudhana, A., & Riadi, I. (2023). Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine. Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 236–245. https://doi.org/10.51454/decode.v3i2.172

Garcia, K., & Berton, L. (2021). Topic detection and sentiment analysis in Twitter content related to COVID-19 from Brazil and the USA. Applied Soft Computing, 101, 107057. https://doi.org/10.1016/j.asoc.2020.107057

Gunawan, B., Pratiwi, H. S., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. Jurnal Edukasi dan Penelitian Informatika, 4(2), 113. https://doi.org/10.26418/jp.v4i2.27526

Hasudungan, A. N. (2021). Dwifungsi ABRI dalam Politik Indonesia sebagai Materi Pengayaan Pembelajaran Sejarah Indonesia Kelas XII. Tarikhuna: Journal of History and History Education, 3(2), 164–178. https://doi.org/10.15548/thje.v3i2.3064

Imam Riadi, Rusydi Umar, & Rio Anggara. (2024). Prediksi Kelulusan Tepat Waktu Berdasarkan Riwayat Akademik Menggunakan Metode Naïve Bayes. Decode: Jurnal Pendidikan Teknologi Informasi, 4(1), 191–203. https://doi.org/10.51454/decode.v4i1.308

Kurniadi Widodo, B., Hafifah Matondang, N., & Sandya Prasvita, D. (2022). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Penggunaan Aplikasi Jobstreet Implementation of Naive Bayes Algorithm For Sentiment Analysis Of The Use Of Jobstreet Application. Dalam Agustus (Vol. 21, Nomor 3). https://doi.org/https://doi.org/10.33633/tc.v21i3.6361

Ordila, R., Wahyuni, R., Irawan, Y., & Yulia Sari, M. (2020). Penerapan Data Mining Untuk Pengelompokan Data Rekam Medis Pasien Berdasarkan Jenis Penyakit Dengan Algoritma Clustering (Studi Kasus : Poli Klinik PT.Inecda). Jurnal Ilmu Komputer, 9(2), 148–153.

Prastyo, P. H., Ardiyanto, I., & Hidayat, R. (2020). Indonesian Sentiment Analysis: An Experimental Study of Four Kernel Functions on SVM Algorithm with TF-IDF. 2020 International Conference on Data Analytics for Business and Industry: Way Towards a Sustainable Economy (ICDABI), 1–6. https://doi.org/https://doi.org/10.1109/ICDABI51230.2020.9325685

Pusean, N. V., Charibaldi, N., & Santosa, B. (2023). Comparison of Scenario Pre-processing Performance on Support Vector Machine and Naïve Bayes Algorithms for Sentiment Analysis. Inform : Jurnal Ilmiah Bidang Teknologi Informasi dan Komunikasi, 8(1), 57–63. https://doi.org/10.25139/inform.v8i1.5667

Putra, R. A., & Siregar, M. A. (2023). Diskursus Publik di Media Sosial terhadap Kebijakan Militer di Indonesia. Jurnal Komunikasi dan Kebijakan Publik, 12(2), 101–115. https://doi.org/10.1234/jkkp.v12i2.5678

Setiawati, P. A., Suarjaya, I. M. A. D., & Trisna, I. N. P. (2024). Sentiment Analysis of Unemployment in Indonesia During and Post COVID-19 on X (Twitter) Using Naïve Bayes and Support Vector Machine. Journal of Information Systems and Informatics, 6(2), 662–675. https://doi.org/10.51519/journalisi.v6i2.713

Yunus, M., Muhammad Kunta Biddinika, & Fadlil, A. (2023). Optimasi Algoritma Naïve Bayes Menggunakan Fitur Seleksi Backward Elimination untuk Klasifikasi Prevalensi Stunting. Decode: Jurnal Pendidikan Teknologi Informasi, 3(2), 278–285. https://doi.org/10.51454/decode.v3i2.188

Zaman, F. N. (2024). Menganalisis Respons Netizen Twitter Terhadap Program Makan Siang Gratis Menerapkan NLP Metode Naïve Bayes. Just IT : Jurnal Sistem Informasi, Teknologi Informatika dan Komputer, 14(3).