Pengukuran Indeks Kebahagiaan Menggunakan Analisis Sentimen di Media Sosial Dengan Metode Naive Bayes Classifier
Tahun 2017 · Penulis: Vananda Rahadika
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Kata “kebahagiaan” seringkali menjadi sesuatu yang kabur dan sangat sulit diukur. Apabila seseorang ditanya “seberapa bahagiakah anda?”, maka jawaban yang muncul sangat beragam, karena setiap orang memiliki cara yang berbeda dalam memaknai arti kebahagiaan. Beberapa ahli di dunia, lebih mendefinisikan kebahagiaan sebagai “kesejahteraan subjektif” agar tidak terjadi ambiguitas makna. Sulitnya mengukur tingkat kebahagiaan, bukan berarti kebahagiaan tidak bisa diukur. Dalam metodologi pengukuran indeks kebahagiaan yang diterbitkan oleh BPS Indonesia, kebahagiaan diukur dalam indeks komposit menggunakan suatu survei yang mencakup 10 domain/variabel. Di satu sisi, penetrasi internet Indonesia menunjukkan angka yang tidak bisa diabaikan. Berdasarkan data yang didapat bahwa hampir semua pengguna internet Indonesia memiliki media sosial. Salah satu media sosial yang banyak di akses adalah twitter yang menempati peringkat ke-5 (7.2 juta jiwa) di antara media sosial lainnya. Berdasarkan data tersebut, maka bisa dibuat sebuah pendekatan lain sebagai alternatif untuk pengukuran indeks kebahagiaan salah satunya yaitu pendekatan pengukuran indeks kebahagiaan melalui sentimen yang ada di media sosial twitter. Manfaat yang didapatkan dibandingkan pengukuran indeks kebahagiaan secara konvensional seperti pengurangan biaya, pengurangan waktu dan juga pengurangan tenaga yang dikeluarkan karena pengukuran tidak memerlukan survei dan data dapat diambil secara mudah dan cepat melalui sentimen di media sosial. Dalam hal ini, penelitian ini ingin memberikan kontribusi terhadap kemajuan pendekatan ini dengan menghitung indeks kebahagiaan tersebut menggunakan metode Naive Bayes Classifier. Penggunaan Naive Bayes Classifier dipilih karena metode klasifikasi ini cukup banyak dipakai dalam melakukan sentimen analisis dan text mining. Hasil dari penelitian ini diharapkan mampu memberikan komparasi dan menambah literatur dalam pengembangan pendekatan indeks kebahagiaan melalui analisis sentimen.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,769
Tahun 2025 · Penulis: Anggik Muhammad Sahril
Analisis Sentimen terhadap Simpanan Tapera di Instagram Menggunakan Metode Word2Vec dengan Algoritma Naives Bayes dan SMOTE
Defisit perumahan di Indonesia, khususnya di wilayah perkotaan, masih menjadi permasalahan utama yang dihadapi masyarakat berpenghasilan rendah. Pemerintah merespons hal ini dengan kebijakan Tabungan Perumahan Rakyat (TAPERA) yang mewajibkan iuran sebesar 3% d
- Cosine 0,766
Tahun 2026 · Penulis: Rofii’U Nur Ilham Firdaus
Klasifikasi Emosi Netizen Menggunakan IndoBERT pada Media Sosial X Berbahasa Indonesia
Pengguna media sosial atau apa yang sering kita sebut Netizen sering mengekspresikan ekspresi dan pikiran mereka pada media sosial sebagai tempat untuk "menyatukan" tanpa batas. Mengoleksi ekspresi dan opini dari netizen yang dituangkan melalui tweet dapat ber
- Cosine 0,736
Tahun 2023 · Penulis: Fendy Marzuki
Analisis Sentimen Terhadap Karir E-Sports di Indonesia Pada Media Twitter Menggunakan Metode Naive Bayes
Analisis sentimen karir esports pada Twitter menggunakan metode Naive Bayes adalah sebuah pendekatan yang digunakan untuk menentukan sentimen positif dan negatif terkait topik karir esports berdasarkan data tweet yang dianalisis. Metode Naive Bayes adalah sebu