Analisis Sentimen Opini Masyarakat Terkait Penyelenggaraan Sistem Elektronik Menggunakan Metode Logistic Regression

  • Isa Faqihuddin Hanif Universitas Muhammadiyah Prof. Dr. Hamka
  • Irfan Ricky Affandi
  • Firman Noor Hasan
  • Estu Sinduningrum
  • Zuhri Halim

Abstract

Keamanan data menerapkan salah satu hal terpenting dalam menggunakan internet. Kebocoran data pribadi pengguna di internet dapat dimanfaatkan oleh orang yang tidak berkepentingan untuk berbagai macam tindakan kriminal. Upaya melindungi data pribadi masyarakat Indonesia, pemerintah melalui Kemkominfo membuat serta menerapkan sebuah kebijakan Penyelenggaraan Sistem Elektronik (PSE). Dalam penerapan PSE mendapatkan berbagai macam opini dari masyarakat Indonesia salah satunya yaitu pada platform twitter. Opini yang dikeluarkan oleh masyarakat ada yang bersifat negatif, netral maupun bersifat positif. Adapun tujuan penelitian ini yaitu mengetahui jumlah sentimen negatif, netral serta positif terhadap opini masyarakat terhadap PSE dimana dataset tersebut diperoleh dari platform twitter serta mengetahui nilai akurasi dari hasil uji evaluasi dari penerapan algoritma Logistic Regression. Hasil luaran dari 1073 dataset tentang opini dari masyarakat terhadap PSE didapatkan sebanyak 126 sentimen bersifat negatif, sebanyak 657 sentimen bersifat netral serta sebanyak 291 sentimen yang bersifat positif dengan nilai akurasi penerapan algoritma Logistic Regression sebesar 79.07%. Hal tersebut memperlihatkan bagaimana opini masyarakat Indonesia yaitu sebagian besar setuju terhadap diberlakukannya PSE namun masih ada beberapa masyarakat yang belum bisa menerima kebijakan tersebut.

References

[1] I. R. Afandi, Y. Handika, I. F. Hanif, and D. Ismail, “Sistem Informasi Penjualan Online Hasil Tani Desa Blukbuk Berbasis Aplikasi Website,” Pros. Semin. Nas. Teknoka, vol. 5, no. 2502, pp. 65–72, 2020, doi: 10.22236/teknoka.v5i.334.
[2] S. F. Pane, A. Owen, and C. Prianto, “Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine,” J. Telekomun. dan Komput., vol. 11, no. 2, p. 130, 2021, doi: 10.22441/incomtech.v11i2.10874.
[3] N. I. Wibowo, T. A. Maulana, H. Muhammad, and N. A. Rakhmawati, “Perbandingan Algoritma Klasifikasi Sentimen Twitter Terhadap Insiden Kebocoran Data Tokopedia,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 6, no. 2, pp. 120–129, 2021, doi: 10.14421/jiska.2021.6.2.120-129.
[4] M. H. Rumlus and H. Hartadi, “Kebijakan Penanggulangan Pencurian Data Pribadi dalam Media Elektronik,” J. HAM, vol. 11, no. 2, p. 285, 2020, doi: 10.30641/ham.2020.11.285-299.
[5] D. Y. Liliana, N. N. Hikmah, and M. Harjono, “Pengembangan Sistem Pemantauan Sentimen Berita Berbahasa Indonesia Berdasarkan Konten dengan Long-Short-Term Memory,” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 5, p. 995, 2021, doi: 10.25126/jtiik.2021854624.
[6] R. Mantili and P. E. T. Dewi, “Prinsip Kehati-Hatian Dalam Penyelenggaraan Sistem Elektronik Dalam Upaya Perlindungan Data Pribadi Di Indonesia,” J. Ilm. Magister Huk. Pascasarj. Univ. Ngurah Rai, vol. 5, no. 2, pp. 132–145, 2020, doi: https://doi.org/10.47329/aktualjustice.v5i2.549.
[7] Kominfo, “Pendaftaran Penyelenggara Sistem Elektronik (PSE) Lingkup Privat,” 2022. https://www.kominfo.go.id/content/detail/43385/siaran-pers-no-308hmkominfo072022-tentang-pendaftaran-penyelenggara-sistem-elektronik-pse-lingkup-privat/0/siaran_pers (accessed Aug. 04, 2022).
[8] M. A. Iftikar and Y. Sibaroni, “Analisis Sentimen Twitter : Penanganan Pandemi Covid-19 Menggunakan Metode Hybrid Naïve Bayes , Decision Tree , dan Support Vector Machine,” in e-Proceeding of Engineering, 2022, vol. 9, no. 3, pp. 1809–1816. [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/17984
[9] A. K. Santoso, “Analisis Sentimen Twitter Bahasa Indonesia Menggunakan Algoritma Convolutional Neural Network,” J. Inform. Kaputama, vol. 6, no. 2, p. 59, 2020, [Online]. Available: http://lib.unnes.ac.id/id/eprint/42826
[10] F. N. Hasan and M. Dwijayanti, “Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier,” J. Linguist. Komputasional, vol. 4, no. 2, pp. 52–58, 2021, doi: https://doi.org/10.26418/jlk.v4i2.61.
[11] R. Akmalia, I. Slamet, and H. Pratiwi, “Analisis Sentimen Twitter Berbahasa Indonesia Terhadap Aplikasi PeduliLindungi dengan Algoritma SVM, KNN, dan Regresi Logistik,” in Prosiding Seminar Nasional MIPA UNIPA, 2022. doi: https://doi.org/10.30862/psnmu.v7i1.21.
[12] R. Parsaoran, J. Bernad, T. Astadini, H. Toba, M. C. Wijanto, and M. Ayub, “Pemanfaatan Epistemic Network Analysis sebagai Pendukung Analisis Sentimen dalam Collaborative Learning,” J. Linguist. Komputasional, vol. 3, no. 2, pp. 40–47, 2020, doi: https://doi.org/10.26418/jlk.v3i2.36.
[13] A. K. Santoso, A. Noviriandini, A. Kurniasih, B. D. Wicaksono, and A. Nuryanto, “Klasifikasi Persepsi Pengguna Twitter Terhadap Kasus Covid-19 Menggunakan Metode Logistic Regression,” J. Inform. Kaputama, vol. 5, no. 2, pp. 234–241, 2021, doi: https://doi.org/10.1234/jik.v5i2.517.
[14] I. Verawati and B. S. Audit, “Algoritma Naïve Bayes Classifier Untuk Analisis Sentiment Pengguna Twitter Terhadap Provider By . u,” J. Media Inform. Budidarma, vol. 6, pp. 1411–1417, 2022, doi: 10.30865/mib.v6i3.4132.
[15] I. Budianto and S. N. Anwar, “Analisis Sentiment Pengguna Twitter Mengenai Program Vaksinasi Covid-19 Menggunakan Algoritma Naive Bayes,” J. Teknol. Inf., vol. 6, no. 1, 2022, doi: https://doi.org/10.36294/jurti.v6i1.2551.
[16] D. D. Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.
[17] A. Asro’i and F. Herny, “Analisis Sentimen Pengguna Twitter terhadap Perpanjangan PPKM Menggunakan Metode K-Nearest Neighbor,” J. Khatulistiwa Inform., vol. 10, no. 1, pp. 17–24, 2022, doi: 10.31294/jki.v10i1.12624.
[18] R. Slamet, W. Gata, A. Novtarianty, K. Hilyati, and F. A. Jariyah, “Analisis Sentimen Twitter Terhadap Penggunaan Artis Korea Selatan Sebagai Brand Ambassador Produk Kecantikan Lokal,” J. Inf. Technol. Comput. Sci., vol. 5, pp. 9–25, 2022, doi: https://doi.org/10.31539/intecoms.v5i1.3933.
[19] S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.
[20] A. Aziz and Fauziah, “Analisis Sentimen Identifikasi Opini Terhadap Produk, Layanan dan Kebijakan Perusahaan Menggunakan Algoritma TF-IDF dan SentiStrength,” J. Sains Komput. Inform., vol. 6, no. 1, pp. 115–125, 2022, doi: http://dx.doi.org/10.30645/j-sakti.v6i1.430.
Published
2022-11-29
How to Cite
HANIF, Isa Faqihuddin et al. Analisis Sentimen Opini Masyarakat Terkait Penyelenggaraan Sistem Elektronik Menggunakan Metode Logistic Regression. Jurnal Linguistik Komputasional, [S.l.], v. 5, n. 2, p. 77 - 84, nov. 2022. ISSN 2621-9336. Available at: <http://inacl.id/journal/index.php/jlk/article/view/103>. Date accessed: 29 jan. 2023. doi: https://doi.org/10.26418/jlk.v5i2.103.
Section
Articles