dlbrw.com, JAKARTA – Jakarta terkenal dengan kepadatan lalu lintas, terutama pada jam-jam sibuk. Pemerintah Daerah DKI Jakarta berupaya mengatasi permasalahan ini dengan berbagai cara, salah satunya dengan menerapkan aturan pelat nomor mobil yang tidak lazim. Tujuan dari kebijakan ini adalah untuk mengurangi jumlah kendaraan di jalan pada waktu-waktu tertentu dengan harapan dapat mengurangi kemacetan.
Namun, seperti banyak kebijakan publik lainnya, penerapan sistem kesetaraan menimbulkan reaksi beragam dari masyarakat. Di era digital ini, jejaring sosial, khususnya Twitter, telah menjadi platform utama bagi masyarakat untuk menyampaikan pendapatnya.
Pengguna Twitter bebas mengutarakan pendapat positif dan negatifnya mengenai kebijakan tersebut melalui tweet, menurut Nanang Ruyana, dosen program penelitian ilmu data di Universitas Nusa Mandiri.
Menariknya, opini-opini tersebut dapat dianalisis secara sistematis untuk memahami sentimen masyarakat umum.
Ilmu data mempunyai dampak besar terhadap cara kita menganalisis dan memahami data, terutama dalam jumlah besar. Di masa lalu, analisis data skala besar merupakan tantangan yang sulit dan memakan waktu. Namun seiring berkembangnya teknologi ilmu data, proses ini menjadi lebih efisien dan akurat.
Teknik dan alat yang digunakan dalam ilmu data memungkinkan pemrosesan data lebih cepat dan memberikan wawasan yang lebih mendalam.
Salah satu metode yang digunakan dalam ilmu data untuk menganalisis data teks dari jejaring sosial adalah penambangan teks. Metode ini memungkinkan untuk mengidentifikasi tren, tren, dan emosi dalam teks yang dihasilkan oleh pengguna Internet.
Dengan penambangan teks, analisis data teks yang sebelumnya sulit dan kompleks dapat dilakukan dengan lebih efisien, meningkatkan wawasan yang diperoleh dari data besar dan membantu membuat keputusan strategis yang lebih akurat.
Penelitian yang dilakukan oleh dosen Kampus Bisnis Digital Universitas Nusa Mandiri (UNM) ini dilakukan berdasarkan pendapat pengguna media sosial terkait penerapan kebijakan Sistem Ganjil Ganjil di Jakarta. Algoritma Naive Bayes sering digunakan dalam klasifikasi teks karena dapat memberikan hasil yang akurat dalam mengklasifikasikan data teks berdasarkan probabilitas.
Penelitian ini mengumpulkan data dari Twitter dengan menggunakan Twitter API. Tweet dengan hashtag #ganjilgenap dikumpulkan dari waktu ke waktu dan kemudian dianalisis untuk mengidentifikasi opini publik. Langkah pertama dalam proses ini adalah preprocessing, dimana data dibersihkan dari elemen yang tidak relevan seperti URL, animasi, dan karakter khusus.
Setelah data dibersihkan, langkah selanjutnya adalah pemilihan fitur, dimana fitur-fitur penting seperti unigram dan negasi diekstraksi. Fitur-fitur tersebut kemudian digunakan dalam proses klasifikasi menggunakan algoritma Naive Bayes untuk menentukan apakah suatu tweet positif atau negatif.
Hasil analisis menunjukkan bahwa sebagian besar tweet yang dianalisis memiliki sikap positif terhadap politik eksentrik. Secara spesifik, 86,67 persen tweet bernada positif, sedangkan sisanya 13,33 persen bernada negatif. Hasil tersebut menunjukkan bahwa meskipun terdapat kritik terhadap kebijakan tersebut, mayoritas masyarakat mendukung pemberlakuan sistem bilangan ganjil sebagai solusi untuk mengurangi kemacetan lalu lintas di Jakarta.
Analisis ini juga mengungkapkan keakuratan model klasifikasi mencapai 71,43 persen dan menghasilkan return 80,00 persen. Artinya, model Naive Bayes yang diterapkan cukup baik dalam mengidentifikasi opini publik dari data Twitter, serta memberikan gambaran akurat tentang bagaimana masyarakat Jakarta mengevaluasi kebijakan tersebut.
Temuan penelitian ini mempunyai implikasi penting bagi para pengambil keputusan di Jakarta. Dengan memahami opini publik, pemerintah dapat mengevaluasi kembali kebijakan yang tidak konvensional dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektivitasnya. Misalnya, jika tanggapan negatif sebagian besar disebabkan oleh kekhawatiran mengenai kurangnya sarana transportasi alternatif, pemerintah dapat mempertimbangkan peningkatan layanan transportasi umum sebagai solusi tambahan.
Selain itu, analisis ini menunjukkan bahwa opini publik dapat dipantau secara real-time menggunakan ilmu data, sehingga memungkinkan pembuat kebijakan merespons perubahan opini publik dengan lebih cepat dan akurat. Oleh karena itu, pendekatan ini tidak hanya membantu dalam mengukur keberhasilan kebijakan saat ini, namun juga dalam merancang kebijakan yang lebih baik di masa depan.
Penulis: Nanang Ruyana, Dosen Program Penelitian Ilmu Data Universitas Nusa Mandiri
+ There are no comments
Add yours