Klasifikasi Sentimen Terhadap Kebijakan PHK 55 Ribu Karyawan oleh BT Group menggunakan Algoritma Klasifikasi Naive Bayes

Muhammad Obie Charisma; Muhammad Farid Hamzah; Muhammad Erwin; Intan Nurbaiti; Fandi Kurniawan

doi:10.51519/journalcisa.v5i1.465

Authors

Muhammad Obie Charisma Universitas Muhammadiyah Kotabumi
Muhammad Farid Hamzah Universitas Muhammadiyah Kotabumi
Muhammad Erwin Universitas Muhammadiyah Kotabumi
Intan Nurbaiti Universitas Muhammadiyah Kotabumi
Fandi Kurniawan Universitas Muhammadiyah Kotabumi

DOI:

10.51519/journalcisa.v5i1.465

Keywords:

PHK, Analisis Sentimen, Naive Bayes

Abstract

Artikel penelitian ini membahas analisis sentimen terkait kebijakan PHK yang dilakukan oleh BT Group terhadap 55 ribu orang karyawan sebagai dampak dari penggunaan kecerdasan buatan (AI). Metode Naive Bayes digunakan untuk melakukan klasifikasi sentimen pada komentar-komentar yang muncul pada platform YouTube terkait kebijakan tersebut. Tujuan utama dari analisis ini adalah untuk memahami respons dan sentimen yang muncul dari masyarakat terhadap kebijakan PHK yang diambil oleh BT Group. Dengan menggunakan metode Naive Bayes, artikel ini bertujuan untuk memberikan wawasan yang mendalam tentang bagaimana teknologi kecerdasan buatan dapat memengaruhi kebijakan perusahaan terkait PHK, serta respons masyarakat terhadap kebijakan tersebut berdasarkan analisis sentimen yang dilakukan. Dengan demikian, artikel ini diharapkan dapat memberikan kontribusi dalam pemahaman terhadap dampak penggunaan teknologi AI dalam konteks kebijakan perusahaan, serta respons masyarakat terhadap kebijakan tersebut berdasarkan analisis sentimen yang dilakukan.

References

F. Ratnawati, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter,” INOVTEK Polbeng - Seri Inform., vol. 3, no. 1, p. 50, 2018, doi: 10.35314/isi.v3i1.335.

A. Sentimen et al., “Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes,” J. Sains Komput. Inform. (J-SAKTI, vol. 6, no. 1, pp. 418–427, 2022.

E. Febriyani and H. Februariyanti, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Di Twitter,” J. TEKNO KOMPAK, vol. 17, no. 2, pp. 25–38, 2022.

R. M. Cahyudi and E. B. Setiawan, “Ekpansi Fitur dengan Word2vec dalam klasifikasi Hoax di Twitter,” e-Proceeding Eng., vol. 10, no. 2, pp. 1765–1776, 2023.

J. J. Aripin, “Penerapan Algoritma Naive Bayes Untuk Mengklasifikasi Data Nasabah Asuransi pada BPR Pantura,” 2019.

S. Lestari and S. Saepudin, “Analisis Sentimen Vaksin Sinovac Pada Twitter Menggunakan Algoritma Naive Bayes,” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., pp. 163–170, 2021.

D. G. Nugroho, Y. H. Chrisnanto, and A. Wahana, “Analisis Sentimen Pada Jasa Ojek Online ... (Nugroho dkk.),” pp. 156–161, 2015.

F. Kurniawan and Q. Al Qorni, “Exploring Sentimen Analysis Using Machine Learning?: A Case Study on Partai Demokrasi Indonesia Perjuangan ( PDIP ) in the 2024 General Election,” vol. 2, no. 4, pp. 911–920, 2024.

E. Purnaningrum and I. Ariqoh, “Google Trends Analytics Dalam Bidang Pariwisata,” Maj. Ekon., vol. 24, no. 2, pp. 232–243, 2019, doi: 10.36456/majeko.vol24.no2.a2069.

E. Suryati, A. Ari Aldino, N. Penulis Korespondensi, and E. Suryati Submitted, “Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM),” J. Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 96–106, 2023.

S. Sahar, “Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penyakit Jantung,” Indones. J. Data Sci., vol. 1, no. 3, pp. 79–86, 2020, doi: 10.33096/ijodas.v1i3.20.