Analisis Sentimen Komentar Tiktok Tentang Kasus TPPO TKI Di Kamboja Menggunakan Klasifikasi Naive Bayes Untuk Mengukur Opini Publik

Authors

  • Florecita Mariwy Universitas Papua
  • Chelsy Jemima Grace Watratan Universitas Papua
  • Raimondo Dos Santos Universitas Papua
  • Dessy Natalia Reba Universitas Papua
  • Rio Febrian Sabono Universitas Papua
  • Noudia Inex Pasiakan Universitas Papua

DOI:

https://doi.org/10.62411/tc.v24i2.12793

Abstract

Penelitian ini bertujuan untuk memahami opini publik terhadap kasus-kasus Tindak Pidana Perdagangan Orang (TPPO) yang dialami pekerja migran atau Tenaga Kerja Indonesia (TKI) di Kamboja pada tahun 2025. Penelitian ini dilakukan dengan menganalisis sentimen komentar di TikTok. Penelitian ini menggunakan kekuatan algoritma Naive Bayes untuk membaca sentimen tersembunyi di balik komentar dan mengkategorikannya ke dalam spektrum positif, netral, dan negatif, dengan mempertimbangkan semakin populernya media sosial dan prevalensi penipuan pekerjaan online. Dataset ini terdiri dari 7.208 komentar yang dikumpulkan dari platform TikTok dengan menggunakan teknik crawling, yang kemudian diproses dan diberi tag untuk dianalisis. Hasilnya menunjukkan bahwa mayoritas pengguna TikTok cenderung memiliki opini netral terhadap isu TPPO. Model Naive Bayes mencapai tingkat akurasi sebesar 71,06%. Selain meningkatkan pemahaman masyarakat terhadap isu tersebut, penelitian ini diharapkan dapat menjadi amunisi berharga bagi pemerintah Indonesia untuk mengatasi TPPO di masa depan.   Kata kunci: Analisis Sentimen, Naive Bayes, TikTok, TPPO, TKI, Opini Publik

Downloads

Published

2025-05-30

Issue

Vol. 24 No. 2 (2025): Mei 2025

Section

Articles

License

Copyright (c) 2025 Florecita Mariwy, Chelsy Jemima Grace Watratan, Raimondo Dos Santos, Dessy Natalia Reba, Rio Febrian Sabono, Noudia Inex Pasiakan

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

 

License Terms

All articles published in Techno.COM Journal are licensed under the Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0). This means:

1. Attribution

Readers and users are free to:

  • Share – Copy and redistribute the material in any medium or format.

  • Adapt – Remix, transform, and build upon the material.

As long as proper credit is given to the original work by citing the author(s) and the journal.

2. Non-Commercial Use

  • The material cannot be used for commercial purposes.

  • Commercial use includes selling the content, using it in commercial advertising, or integrating it into products/services for profit.

3. Rights of Authors

  • Authors retain copyright and grant Techno.COM Journal the right to publish the article.

  • Authors can distribute their work (e.g., in institutional repositories or personal websites) with proper acknowledgment of the journal.

4. No Additional Restrictions

  • The journal cannot apply legal terms or technological measures that restrict others from using the material in ways allowed by the license.

5. Disclaimer

  • The journal is not responsible for how the published content is used by third parties.

  • The opinions expressed in the articles are solely those of the authors.

For more details, visit the Creative Commons License Page:
? https://creativecommons.org/licenses/by-nc/4.0/

 

Most read articles by the same author(s)

Obs.: This plugin requires at least one statistics/report plugin to be enabled. If your statistics plugins provide more than one metric then please also select a main metric on the admin's site settings page and/or on the journal manager's settings pages.