Analisis Sentimen Publik terhadap Akun Kementerian PUPR melalui Komentar Instagram Menggunakan Naïve Bayes

Abstract

Media sosial menjadi salah satu sumber data yang penting untuk memahami persepsi publik terhadap kinerja pemerintah. Penelitian ini bertujuan untuk menganalisis sentimen komentar Instagram pada akun Kementerian Pekerjaan Umum dan Perumahan Rakyat (PUPR). Metode yang digunakan adalah Naïve Bayes Classifier dengan tahapan preprocessing meliputi cleaning, tokenizing, stopword removal, dan pembobotan TF-IDF. Dataset yang digunakan berjumlah 1.027 komentar yang dikumpulkan pada periode Juni hingga Oktober 2025 melalui teknik crawling. Hasil penelitian menunjukkan bahwa distribusi sentimen terdiri dari 51% sentimen positif dan 49% sentimen negatif. Model klasifikasi yang dibangun menghasilkan tingkat akurasi sebesar 88,67% dengan nilai precision dan recall yang relatif seimbang pada kedua kelas. Hasil ini menunjukkan bahwa metode Naïve Bayes cukup efektif dalam mengklasifikasikan sentimen teks pada media sosial serta mampu menangkap pola opini publik secara baik dan konsisten. Penelitian ini diharapkan dapat menjadi referensi dalam pemanfaatan data media sosial sebagai bahan evaluasi kebijakan pemerintah dan pengambilan keputusan berbasis data yang lebih akurat.

Social media has become an important data source for understanding public perceptions of government performance. This study aims to analyze sentiment in Instagram comments on the official account of the Kementerian Pekerjaan Umum dan Perumahan Rakyat (PUPR). The method used is the Naïve Bayes Classifier with preprocessing stages including cleaning, tokenizing, stopword removal, and TF-IDF weighting. The dataset consists of 1,027 comments collected from June to October 2025 using a crawling technique. The results show that sentiment distribution includes 51% positive and 49% negative comments. The classification model achieved an accuracy of 88.67%, with relatively balanced precision and recall across both classes. These findings indicate that the Naïve Bayes method is effective for classifying sentiment in social media text and capturing public opinion patterns accurately and consistently. This study is expected to contribute to the use of social media data as a reference for evaluating government policies and supporting more reliable data-driven decision making.