Analisis Sentimen Masyarakat Terhadap Fenomena Sandwich Generation Pada Aplikasi X Menggunakan Metode Naïve Bayes dan Teknik Pelabelan Lexicon Inset

Abstract

Abstrak - Fenomena sandwich generation merupakan salah satu fenomena sosial yang sudah banyak diperbincangkan masyarakat Indonesia. Salah satu platform digital yang banyak membahas isu ini adalah  X atau Twiter. Sandwich generation merupakan posisi seseorang yang memiliki beban ganda dalam menanggung kebutuhan orang tua dan anak secara bersamaan. Kondisi ini menimbulkan pro dan kontra di masyarakat. Sebagian pihak menganggap kondisi ini sebagai bentuk kewajiban dan bakti anak kepada orang tua. Sementara itu, sebagian lainnya menganggap kondisi ini sebagai beban. Hal ini dikarenakan mereka tidak mampu mencapai tujuan dan prioritas hidupnya sendiri akibat terhalang oleh tanggung jawab ganda tersebut. Oleh karena itu, penelitian ini melakukan analisis sentimen dengan Naïve Bayes  pada dataset yang memiliki 3 kategori sentimen yaitu positif, negatif, dan netral. Teknik pelabelan yang digunakan pada penelitian ini adalah teknik pelabelan manual dan Lexicon Inset. Eksplorasi dilakukan dengan membandingkan hyperparameter, teknik balancing data (SMOTE, ROS, RUS, Tomek Links dan komposisi split data (50:50, 60:40, 70:30, 80:20, 90:10), Hal ini dilakukan untuk mendapatkan akurasi tertinggi dari model yang dibangun. Hasil Evaluasi menunjukkan bahwa model Naïve Bayes dapat mencapai performa terbaiknya yaitu Accuracy 0.757, Precision 0.7540, Recall 0.757, F1-Score 0.7550. Performa terbaik tersebut dicapai ketika menggunakan dataset pelabelan Lexicon Inset , varian MultinomialNB, komposisi data 90:10 dan parameter dengan nilai Alpha = 0.1, dan Fit prior = False.

Kata Kunci: Sandwich generation, analisis sentimen, Naïve Bayes,  Lexicon INSET