Analisis Sentimen Masyarakat Terhadap Generasi Z Dalam Dunia Kerja Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes
Main Article Content
Abstract
Generasi Z, yang lahir antara tahun 1996 sampai 2010, kini mulai memasuki dunia kerja dan dikenal sebagai "Digital Natives" karena kedekatan mereka dengan teknologi dan media sosial seperti Twitter. Mereka aktif berbagi pemikiran dan pengalaman melalui Twitter, yang telah menjadi platform utama untuk diskusi terbuka dan berbagi perspektif. Penelitian ini menggunakan metode Naïve Bayes untuk menganalisis sentimen tweet terkait Generasi Z dalam dunia kerja, dengan memanfaatkan pelabelan lexicon Inset. Hasil penelitian menunjukkan bahwa pelabelan lexicon mencapai akurasi 76%. Selanjutnya, uji coba dilakukan dengan pendekatan pelabelan manual yang menghasilkan akurasi 87%, menunjukkan perbedaan yang signifikan dibandingkan pelabelan lexicon. Uji coba juga melibatkan pengaruh stopword dalam tahapan preprocessing, di mana hasil menunjukkan pelabelan lexicon tanpa stopword mencapai akurasi 96% dan pelabelan manual tanpa stopword mencapai 90%. Hal ini menunjukan sensitivitas yang tinggi dari model berbasis lexicon terhadap penggunaan stopword dan potensi untuk meningkatkan variasi term dalam analisis sentimen Generasi Z di dunia kerja melalui Twitter.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
Dewi, A. P., & Delliana, S. (2020). Self Disclosure Generasi Z Di Twitter. Ekspresi Dan Persepsi : Jurnal Ilmu Komunikasi, 3(1), 62–69. https://doi.org/10.33822/jep.v3i1.1526
Fauziah A. (2023). Analisis Sentimen Menggunakan Naïve Bayes Classifier
Dan Inset Lexicon Pada Twitter (Studi Kasus: Mie Gacoan).
Gaidhani, S., Arora, L., Kumar Sharma, B., & Professor, A. (2019). Understanding the Attitude of Generation Z Towards Workplace. International Journal of Management, Technology and Engineering, IX(I), 2804–2812. https://www.researchgate.net/publication/331346456
Hamka, M., & Ratna Sari, D. (2022). Analisis Sentimen Dan Information Extraction Pembelajaran Daring Menggunakan Pendekatan Lexicon. Djtechno: Jurnal Teknologi Informasi, 3(1), 21–32. https://doi.org/10.46576/djtechno.v3i1.2194
Indrawan, I. G. A., & Dewi, D. (2023). Analisis Sentimen Terhadap Presidensi G20 2022 pada Media Sosial Twitter Menggunakan Metode Naïve Bayes. KLIK: Kajian Ilmiah, 4(1), 553–561. https://doi.org/10.30865/klik.v4i1.1104
McKinsey Explainers. (2023). What Is Gen Z? McKinsey & Company, March 2023, 5. Rachmawati, D. (2019). Proceeding Indonesia Career Center Network Summit IV e-
Welcoming Gen Z in Job World (Selamat Datang Generasi Z di dunia kerja). Proceeding Indonesia Career Center Network Summit IV, 21–24.
Singh, A. P., & Dangmei, J. (2016). Understanding the Generation Z: the Future Workforce.
South -Asian Journal of Multidisciplinary Studies, July.
Wijaya, T. N., Indriati, R., & Muzaki, M. N. (2021). Analisis Sentimen Opini Publik Tentang Undang-Undang Cipta Kerja Pada Twitter. Jambura Journal of Electrical and Electronics Engineering, 3(2), 78–83. https://doi.org/10.37905/jjeee.v3i2.10885
Wikarsa, L., Angdresey, A., & Kapantow, J. D. (2022). Pendekatan Hybrid Menggabungkan Pendekatan Lexicon-Based Untuk Ekstraksi Fitur Dan Machine Learning Klasifikasi. Jurnal Ilmiah Realtech, 18(1), 15–24.