Analisis Sentimen Pengguna X Terhadap Kebocoran Data Pribadi Menggunakan Algoritma Naïve Bayes Classifier

Abstrak

Kebocoran data pribadi di Indonesia semakin marak terjadi dan menimbulkan dampak serius bagi individu maupun dunia bisnis. Seiring dengan pesatnya perkembangan teknologi informasi, isu ini menjadi topik perbincangan yang intens di media sosial, khususnya pada platform X (Twitter). Penelitian ini bertujuan untuk menganalisis sentimen pengguna X terhadap kasus kebocoran data pribadi dengan mengklasifikasikan opini ke dalam kategori sentimen positif, negatif, dan netral. Selain itu, penelitian ini juga mengevaluasi kinerja model klasifikasi menggunakan confusion matrix untuk mengukur akurasi, presisi, recall, dan f1-score. Metode yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier, dengan data latih sebesar 70% (433 data) dan data uji sebesar 30% (186 data). Data diperoleh melalui proses web crawling dan diproses menggunakan teknik preprocessing sebelum dilakukan klasifikasi sentimen. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi dengan persentase sebesar 43,54%, diikuti oleh sentimen positif sebesar 28,50%, dan sentimen netral sebesar 27,96%. Evaluasi model menghasilkan tingkat akurasi 98,92%, dengan presisi negatif 100%, presisi netral 100%, dan presisi positif 96,30%. Sementara itu, recall untuk sentimen positif dan negatif mencapai 100%, sedangkan recall untuk sentimen netral sebesar 96,23%. Nilai f1-score untuk sentimen negatif, netral, dan positif masing-masing adalah 1.0, 0.988, dan 0.981. Temuan ini menunjukkan bahwa Naïve Bayes Classifier memiliki performa yang sangat baik dalam mengklasifikasikan sentimen terkait kebocoran data pribadi. Dominasi sentimen negatif dalam hasil klasifikasi mencerminkan kekhawatiran yang tinggi di kalangan masyarakat terhadap isu ini, yang mengindikasikan perlunya langkah-langkah lebih lanjut dalam meningkatkan keamanan data dan perlindungan privasi di Indonesia.