ANALISIS SENTIMEN PUBLIK TERHADAP FENOMENA JUDI
ONLINE DI INDONESIA: DOMINASI SIKAP PENOLAKAN
DALAM PLATFORM MEDIA SOSIAL X MENGGUNAKAN
KLASIFIKASI NAIVE BAYES DAN RINGKASAN TEKS
OTOMATIS
Afif Zulyan; Mia kamayani;
No. Panggil: eSTI-2103015236
Analisis Sentimen Publik terhadap Fenomena Judi Online di Indonesia
melalui Platform Media Sosial X menggunakan Klasifikasi Naive Bayes dan
Ringkasan Teks Otomatis
Afif Zulyan
Judi online di Indonesia telah menimbulkan berbagai dampak serius, termasuk kasus pencurian dana
sekolah oleh seorang guru dan kekerasan rumah tangga akibat kecanduan berjudi. Kondisi ini
menunjukkan perlunya pemahaman ilmiah terhadap opini publik terkait fenomena tersebut.
Penelitian ini menggunakan pendekatan analisis sentimen berbasis media sosial, dengan algoritma
Naïve Bayes sebagai metode klasifikasi teks yang telah terbukti akurat dan efisien. Data diambil
dari platform X (sebelumnya Twitter) sebanyak 2363 tweet dan disaring menjadi 2326 data setelah
menghapus duplikasi. Proses preprocessing dilakukan melalui beberapa tahapan: case folding,
penghapusan tag dan mention, pembersihan teks, tokenisasi, stopword removal, stemming, dan
penghapusan duplikasi akhir. Sentimen kemudian dilabeli sebagai positif (96,52%) dan negatif
(3,48%), lalu diseimbangkan dengan metode SMOTE (Synthetic Minority Oversampling
Technique). Pembobotan kata dilakukan dengan TF-IDF dan N-gram, sebelum diklasifikasikan
menggunakan Naïve Bayes, yang menghasilkan akurasi sebesar 99,11%. Ringkasan otomatis juga
diterapkan untuk menyederhanakan informasi, dengan efisiensi ringkasan 68,07% (positif) dan
71,85% (negatif). Hasil akhir divisualisasikan dalam dashboard interaktif untuk memudahkan
pemahaman dan mendukung pengambilan kebijakan yang berbasis data.
Kata kunci: Analisis Sentimen, Ringkasan Otomatis, Judi Online, Naïve Bayes, Platform X.
Public Sentiment Analysis of Online Gambling in Indonesia Through the
Social Media Platform X Using Naive Bayes Classification and Automatic
Text Summarization
Afif Zulyan
Online gambling in Indonesia has had serious consequences, including the theft of school funds by
a teacher and domestic violence due to gambling addiction. These situations highlight the need for
a scientific understanding of public opinion regarding this phenomenon. This study employs a social
media–based sentiment analysis approach with the Naïve Bayes algorithm, a text classification
method proven accurate and efficient. Data were collected from the X platform (formerly Twitter),
comprising 2,363 tweets. After removing duplicates, 2,326 data points remained. Preprocessing
involved several stages: case folding, tag and mention removal, text cleaning, tokenization,
stopword removal, stemming, and final duplicate removal. The sentiments were labeled as positive
(96.52%) or negative (3.48%) and balanced using the SMOTE (Synthetic Minority Oversampling
Technique) method. TF-IDF and N-gram were used for word weighting before classification with
Naïve Bayes, resulting in 99.11% accuracy. Automatic summarization was applied to simplify the
information with efficiencies of 68.07% (positive) and 71.85% (negative). The final results were
visualized in an interactive dashboard to facilitate understanding and support data-driven decision-
making.
Keywords: Sentiment Analysis, Automatic Summary, Online Gambling, Naïve Bayes, Platform x
