Gambar Ilustrasi AI
FORMOSA NEWS - Medan - Analisis AI Ungkap 88,4 Persen Warga Kecewa Penanganan Banjir Bandang Sumut. Penelitian yang dilakukan oleh Rivaldo Siburian bersama Rikki Josua Tampubolon, Valentino Surbakti, M. Irvandy Haris, dan Rizky Rahmansyah dari Program Studi Teknik Informatika Universitas Prima Indonesia dalam artikel penelitian yang dipublikasikan pada Formosa Journal of Computer and Information Science (FJCIS) edisi Vol. 5 No. 1 Tahun 2026 menyoroti bahwa kecerdasan buatan berbasis algoritma Multinomial Naive Bayes untuk menganalisis opini publik di media sosial dan portal berita selama periode November 2025 hingga Februari 2026.
Penelitian yang dilakukan oleh Rivaldo Siburian bersama Rikki Josua Tampubolon, Valentino Surbakti, M. Irvandy Haris, dan Rizky Rahmansyah dari Program Studi Teknik Informatika Universitas Prima Indonesia menyoroti bahwa lebih dari 1.500 opini publik dari platform X, Facebook, serta komentar pembaca di portal berita daring.
AI Digunakan untuk Membaca Opini Publik
Penelitian ini memanfaatkan algoritma Multinomial Naive Bayes, salah satu metode machine learning yang sering digunakan dalam analisis teks. Sistem bekerja dengan membaca pola kata dalam ribuan komentar publik, lalu mengelompokkan opini menjadi sentimen positif, negatif, atau netral. Sebelum diproses, seluruh data teks dibersihkan melalui tahapan case folding, tokenisasi, penghapusan stopword, hingga stemming. Metode TF-IDF kemudian digunakan untuk mengubah teks menjadi representasi numerik yang bisa dibaca komputer. Untuk memastikan hasil lebih objektif, peneliti juga menggunakan kamus sentimen bahasa Indonesia InSet Lexicon sebagai dasar pelabelan otomatis. Validasi tambahan dilakukan oleh lebih dari satu anotator manusia untuk mengurangi bias penilaian. Dari pengujian model, algoritma Naive Bayes mencatat tingkat akurasi 89,43 persen dengan F1-Score 0,844. Meski begitu, algoritma Support Vector Machine atau SVM menunjukkan performa tertinggi dengan F1-Score 0,855.
Berikut hasil perbandingan model AI yang digunakan:
Penelitian yang dilakukan oleh Rivaldo Siburian bersama Rikki Josua Tampubolon, Valentino Surbakti, M. Irvandy Haris, dan Rizky Rahmansyah dari Program Studi Teknik Informatika Universitas Prima Indonesia menyoroti bahwa lebih dari 1.500 opini publik dari platform X, Facebook, serta komentar pembaca di portal berita daring.
AI Digunakan untuk Membaca Opini Publik
Penelitian ini memanfaatkan algoritma Multinomial Naive Bayes, salah satu metode machine learning yang sering digunakan dalam analisis teks. Sistem bekerja dengan membaca pola kata dalam ribuan komentar publik, lalu mengelompokkan opini menjadi sentimen positif, negatif, atau netral. Sebelum diproses, seluruh data teks dibersihkan melalui tahapan case folding, tokenisasi, penghapusan stopword, hingga stemming. Metode TF-IDF kemudian digunakan untuk mengubah teks menjadi representasi numerik yang bisa dibaca komputer. Untuk memastikan hasil lebih objektif, peneliti juga menggunakan kamus sentimen bahasa Indonesia InSet Lexicon sebagai dasar pelabelan otomatis. Validasi tambahan dilakukan oleh lebih dari satu anotator manusia untuk mengurangi bias penilaian. Dari pengujian model, algoritma Naive Bayes mencatat tingkat akurasi 89,43 persen dengan F1-Score 0,844. Meski begitu, algoritma Support Vector Machine atau SVM menunjukkan performa tertinggi dengan F1-Score 0,855.
Berikut hasil perbandingan model AI yang digunakan:
- SVM: akurasi 89,87 persen.
- Naive Bayes: akurasi 89,43 persen.
- Logistic Regression: akurasi 89,43 persen.
- Random Forest: akurasi 87,22 persen.
Walau SVM lebih unggul, peneliti tetap menilai Naive Bayes lebih efisien untuk pemrosesan data besar secara cepat dan real-time.
Kritik Publik Paling Besar pada Respons Darurat
Penelitian juga memetakan kritik masyarakat berdasarkan aspek layanan pemerintah. Distribusi bantuan menjadi aspek yang paling banyak menuai sentimen negatif dengan 260 opini negatif. Sementara itu, respons darurat seperti kecepatan evakuasi memperoleh 199 opini negatif. Di sisi lain, komunikasi publik dari pejabat daerah juga mendapat sorotan. Warga menilai informasi resmi selama masa krisis belum cukup jelas dan konsisten. Analisis temporal menunjukkan pola sentimen masyarakat berubah sesuai fase bencana. Pada fase awal sebelum banjir besar terjadi, opini publik cenderung netral karena didominasi informasi peringatan cuaca. Namun ketika banjir berlangsung pada Januari 2026, sentimen negatif melonjak tajam akibat kepanikan warga, kerusakan infrastruktur, dan lambatnya penanganan. Sentimen positif mulai muncul pada Februari 2026 ketika proses pemulihan dan distribusi bantuan berjalan lebih baik. Banyak warga mulai memberikan apresiasi kepada relawan dan pihak yang terlibat dalam penyaluran bantuan kemanusiaan.
Bisa Menjadi Alat Evaluasi Pemerintah
Penelitian ini menegaskan bahwa analisis sentimen berbasis AI dapat digunakan sebagai instrumen evaluasi kebijakan publik secara objektif dan cepat. Pemerintah daerah dinilai bisa memanfaatkan teknologi ini untuk memantau respons masyarakat secara real-time selama situasi darurat. Menurut tim peneliti dari Universitas Prima Indonesia, pemanfaatan data digital dapat membantu pemerintah memperbaiki strategi komunikasi publik, mempercepat respons bencana, serta meningkatkan distribusi bantuan. Mereka juga merekomendasikan pengembangan sistem dashboard pemantauan sentimen publik secara langsung agar pemerintah dapat mengambil keputusan lebih responsif di masa krisis. Selain itu, penelitian lanjutan disarankan menggunakan teknologi AI yang lebih canggih seperti IndoBERT dan metode SMOTE untuk meningkatkan sensitivitas model terhadap opini minoritas.
Profil Penulis
Rivaldo Siburian merupakan mahasiswa dan peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia dengan fokus riset pada machine learning dan analisis sentimen digital.
Rikki Josua Tampubolon peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, meneliti bidang data mining dan pemrosesan bahasa alami untuk analisis opini publik.
Valentino Surbakti peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, memiliki fokus kajian pada penerapan kecerdasan buatan dalam pengolahan data media sosial.
M. Irvandy Haris peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, meneliti pengembangan sistem informasi dan machine learning berbasis data publik.
Rizky Rahmansyah peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, memiliki minat penelitian pada text mining dan evaluasi kebijakan berbasis data digital.
Sumber Penelitian
Rivaldo Siburian, Rikki Josua Tampubolon, Valentino Surbakti, M. Irvandy Haris,Rizky Rahmansyah. 2026. “The Application of Naive Bayes in Analyzing Public Sentiment Toward the Performance of the North Sumatra Regional Government in Handling Flash Floods”. Formosa Journal of Computer and Information Science, Vol. 5 No. 1 Tahun 2026.
DOI: https://doi.org/10.55927/fjcis.v5i1.16417
URL: https://journal.formosapublisher.org/index.php/fjcis
Kritik Publik Paling Besar pada Respons Darurat
Penelitian juga memetakan kritik masyarakat berdasarkan aspek layanan pemerintah. Distribusi bantuan menjadi aspek yang paling banyak menuai sentimen negatif dengan 260 opini negatif. Sementara itu, respons darurat seperti kecepatan evakuasi memperoleh 199 opini negatif. Di sisi lain, komunikasi publik dari pejabat daerah juga mendapat sorotan. Warga menilai informasi resmi selama masa krisis belum cukup jelas dan konsisten. Analisis temporal menunjukkan pola sentimen masyarakat berubah sesuai fase bencana. Pada fase awal sebelum banjir besar terjadi, opini publik cenderung netral karena didominasi informasi peringatan cuaca. Namun ketika banjir berlangsung pada Januari 2026, sentimen negatif melonjak tajam akibat kepanikan warga, kerusakan infrastruktur, dan lambatnya penanganan. Sentimen positif mulai muncul pada Februari 2026 ketika proses pemulihan dan distribusi bantuan berjalan lebih baik. Banyak warga mulai memberikan apresiasi kepada relawan dan pihak yang terlibat dalam penyaluran bantuan kemanusiaan.
Bisa Menjadi Alat Evaluasi Pemerintah
Penelitian ini menegaskan bahwa analisis sentimen berbasis AI dapat digunakan sebagai instrumen evaluasi kebijakan publik secara objektif dan cepat. Pemerintah daerah dinilai bisa memanfaatkan teknologi ini untuk memantau respons masyarakat secara real-time selama situasi darurat. Menurut tim peneliti dari Universitas Prima Indonesia, pemanfaatan data digital dapat membantu pemerintah memperbaiki strategi komunikasi publik, mempercepat respons bencana, serta meningkatkan distribusi bantuan. Mereka juga merekomendasikan pengembangan sistem dashboard pemantauan sentimen publik secara langsung agar pemerintah dapat mengambil keputusan lebih responsif di masa krisis. Selain itu, penelitian lanjutan disarankan menggunakan teknologi AI yang lebih canggih seperti IndoBERT dan metode SMOTE untuk meningkatkan sensitivitas model terhadap opini minoritas.
Profil Penulis
Rivaldo Siburian merupakan mahasiswa dan peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia dengan fokus riset pada machine learning dan analisis sentimen digital.
Rikki Josua Tampubolon peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, meneliti bidang data mining dan pemrosesan bahasa alami untuk analisis opini publik.
Valentino Surbakti peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, memiliki fokus kajian pada penerapan kecerdasan buatan dalam pengolahan data media sosial.
M. Irvandy Haris peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, meneliti pengembangan sistem informasi dan machine learning berbasis data publik.
Rizky Rahmansyah peneliti di Program Studi Teknik Informatika, Fakultas Sains dan Teknologi, Universitas Prima Indonesia, memiliki minat penelitian pada text mining dan evaluasi kebijakan berbasis data digital.
Sumber Penelitian
Rivaldo Siburian, Rikki Josua Tampubolon, Valentino Surbakti, M. Irvandy Haris,Rizky Rahmansyah. 2026. “The Application of Naive Bayes in Analyzing Public Sentiment Toward the Performance of the North Sumatra Regional Government in Handling Flash Floods”. Formosa Journal of Computer and Information Science, Vol. 5 No. 1 Tahun 2026.
DOI: https://doi.org/10.55927/fjcis.v5i1.16417
URL: https://journal.formosapublisher.org/index.php/fjcis
0 Komentar