Metode Hybrid Menggunakan Pendekatan Lexicon Based dan Naive Bayes Classifier Untuk Analisis Sentimen Terkait Jaminan Hari Tua

Abstract

Badan Penyelenggara Jaminan Sosial (BPJS) Ketenagakerjaan adalah badan aturan publik yang dibuat melalui Undang-Undang No 24 Tahun 2011 Tentang Badan Penyelenggaran Jaminan Sosial menggunakan tujuan untuk mewujudkan terselenggaranya pemberian jaminan terpenuhinya kebutuhan dasar yang layak bagi setiap peserta atau anggota keluarganya. Dalam pelaksanaannya terdapat informasi yang tersebar khususnya pada tweet di Twitter mengenai keputusan Kementrian Kesehatan yaitu mengenai Jaminan Hari Tua (JHT) yang hanya bisa dicairkan/diambil setelah peserta (BPJS) Ketenagakerjaan menginjak usia 56 tahun, menyebabkan adanya pro dan kontra yang ada dikalangan masyarakat. Berdasarkan tweet-tweet pada Twitter yang belum dianalisis maka perlu di analisis secara mendalam untuk mendapatkan informasi yang sesuai berdasarkan opini netizen. Berdasarkan hasil penelitian ini diperoleh nilai akurasi data testing sebesar 92% untuk metode Lexicon Based dan 95% untuk data testing pada metode Naïve Bayes Classifier lalu untuk data training Naïve Bayes Classifier mendapatkan akurasi 82%. Penelitian ini mendapatkan kesimpulan bahwa jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan mendapat sentimen negatif dari netizen yang banyak membahas mengenai penolakan peraturan baru dimana jaminan hari tua (JHT) pada (BPJS) Ketenagakerjaan, hanya bisa dicairkan atau diambil ketika peserta BPJS Ketenagakerjaan menginjak usia 56 tahun.