0
0
harfam.co.id, JAKARTA – Jakarta terkenal dengan tingkat kemacetan lalu lintas yang tinggi, terutama pada jam-jam sibuk. Berbagai cara telah dilakukan Pemprov DKI Jakarta untuk mengatasi permasalahan tersebut; Salah satunya dengan menerapkan kebijakan ganjil genap pada pelat nomor. Kebijakan tersebut bertujuan untuk mengurangi jumlah kendaraan di jalan pada waktu-waktu tertentu dengan harapan dapat mengurangi lalu lintas.
Namun, seperti banyak kebijakan publik lainnya, penerapan sistem ganjil genap menimbulkan berbagai reaksi dari masyarakat. Di era digital ini, media sosial khususnya Twitter menjadi platform utama masyarakat dalam menyampaikan pendapat.
Menurut Nanang Ruhyana, dosen Program Studi Ilmu Data Universitas Nusa Mandiri, pengguna Twitter bisa dengan leluasa mengutarakan pandangan positif dan negatifnya terhadap kebijakan tersebut melalui cuitan.
Menariknya, pandangan-pandangan ini dapat dianalisis secara sistematis untuk memahami sentimen masyarakat umum.
Ilmu data memiliki dampak yang sangat besar dalam menganalisis dan memahami data, terutama dalam jumlah data yang sangat besar. Sebelumnya, menganalisis data dalam skala besar merupakan tantangan yang kompleks dan memakan waktu. Namun, seiring dengan kemajuan teknologi ilmu data, proses ini menjadi lebih efisien dan akurat.
Metode dan alat yang digunakan dalam ilmu data memungkinkan pemrosesan data lebih cepat dan memberikan wawasan yang lebih dalam dan mendetail.
Salah satu metode yang digunakan dalam ilmu data untuk menganalisis data teks di media sosial adalah text mining. Metode ini memungkinkan mengidentifikasi pola, tren, dan emosi dalam teks yang dibuat oleh pengguna Internet.
Dengan text mining, analisis data teks yang sebelumnya sulit dan kompleks, dapat dilakukan dengan lebih efektif, sehingga memperkaya wawasan yang diperoleh dari big data dan membantu pengambilan keputusan strategis yang lebih akurat.
Penelitian yang dilakukan dosen Kampus Bisnis Digital Universitas Nusa Mandiri (UNM) ini didasarkan pada pendapat pengguna media sosial terkait penerapan kebijakan sistem aneh di Jakarta Mit. Algoritma Naive Bayes sering digunakan dalam klasifikasi teks karena kemampuannya memberikan hasil yang akurat dalam mengelompokkan data teks berdasarkan probabilitas.
Penelitian ini mengumpulkan data dari Twitter dengan menggunakan Twitter API. Tweet yang mengandung hashtag #ganjilgenap dikumpulkan dalam jangka waktu tertentu dan kemudian dianalisis untuk mengetahui sentimen publik. Langkah pertama dalam proses ini adalah prapemrosesan, di mana data dibersihkan dari elemen yang tidak relevan seperti URL, emotikon, 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 dengan algoritma Naive Bayes untuk menentukan apakah tweet tersebut positif atau negatif.
Hasil analisis menunjukkan sebagian besar tweet yang dianalisis mempunyai sentimen positif terhadap kebijakan ganjil genap. Secara spesifik, 86,67 persen tweet tergolong positif, sedangkan sisanya 13,33 persen bersentimen negatif. Hasilnya, meski terdapat kritik terhadap kebijakan tersebut, namun mayoritas masyarakat mendukung penerapan sistem ganjil genap sebagai solusi mengurangi kemacetan lalu lintas di Jakarta.
Analisis juga mengungkapkan keakuratan model klasifikasi mencapai 71,43 persen, dan tingkat recall mencapai 80,00 persen. Artinya model Naive Bayes yang digunakan sangat efektif dalam menentukan sentimen masyarakat dari data Twitter, memberikan gambaran akurat bagaimana masyarakat Jakarta menilai kebijakan tersebut.
Hasil penelitian ini mempunyai implikasi penting bagi pengambil kebijakan di Jakarta. Dengan memahami sentimen masyarakat, pemerintah dapat mengevaluasi kembali kebijakan aneh ini dan membuat peraturan yang diperlukan untuk meningkatkan efektivitasnya. Misalnya saja, jika sentimen negatif sebagian besar disebabkan oleh kekhawatiran akan kurangnya alternatif transportasi, maka pemerintah dapat mempertimbangkan peningkatan layanan transportasi umum sebagai solusi tambahan.
Selain itu, analisis menunjukkan bahwa sentimen publik dapat dilacak secara real-time menggunakan ilmu data, sehingga memungkinkan pembuat kebijakan merespons perubahan opini publik dengan lebih cepat dan tepat. Oleh karena itu, pendekatan ini tidak hanya membantu mengukur keberhasilan kebijakan saat ini namun juga membantu merancang kebijakan yang lebih baik di masa depan.
Penulis: Nanang Ruhyana, Dosen Program Studi Ilmu Data Universitas Nusa Mandiri
