Analisis Sentimen Pengguna Twitter Terhadap Kebijakan Royalti Restoran Dan Kafe Dengan Multinomial Naive Bayes

Abstrak

Kebijakan royalti musik di restoran dan kafe sebagaimana diatur dalam Peraturan Pemerintah Nomor 56 Tahun 2021 menimbulkan beragam respons di masyarakat, khususnya pelaku usaha dan pengguna layanan publik. Media sosial Twitter menjadi ruang utama bagi masyarakat untuk menyampaikan opini dan diskusi terkait kebijakan tersebut. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap kebijakan royalti di restoran dan kafe pada media sosial Twitter menggunakan metode Naive Bayes Classifier. Data dikumpulkan melalui teknik web scraping dengan memanfaatkan Tweet Harvest dan menghasilkan 1.513 tweet berbahasa Indonesia yang relevan. Pelabelan sentimen dilakukan menggunakan pendekatan lexicon-based ke dalam tiga kelas, yaitu positif, netral, dan negatif. Tahapan preprocessing meliputi data cleaning, tokenisasi, stopword removal, dan stemming menggunakan Sastrawi. Ekstraksi fitur dilakukan dengan metode TF-IDF, sedangkan ketidakseimbangan kelas ditangani menggunakan SMOTE. Optimasi model dilakukan melalui GridSearchCV dengan Stratified 5-Fold Cross Validation. Hasil penelitian menunjukkan bahwa sentimen netral mendominasi sebesar 81,96%, diikuti sentimen negatif sebesar 12,23% dan sentimen positif sebesar 5,82%. Model Multinomial Naive Bayes menghasilkan akurasi sebesar 95% dan F1-score sebesar 95% pada data uji, serta menunjukkan stabilitas yang cukup baik berdasarkan hasil cross validation. Temuan ini menunjukkan bahwa kombinasi Naive Bayes, TF-IDF, SMOTE, dan hyperparameter tuning efektif dalam menganalisis sentimen kebijakan publik berbasis data media sosial