0
0
dianrakyat.co.id, JAKARTA — Jakarta memang terkenal dengan kemacetan, terutama pada jam-jam sibuk. Berbagai cara telah dilakukan oleh Pemerintah Daerah DKI Jakarta untuk mengatasi permasalahan tersebut, salah satunya adalah dengan menetapkan kebijakan ketidakpatuhan terhadap kemacetan lalu lintas. Rencana tersebut bertujuan untuk mengurangi jumlah kendaraan di jalan pada waktu-waktu tertentu, dengan harapan dapat mengurangi kemacetan lalu lintas.
Namun, seperti banyak kebijakan pemerintah lainnya, penerapan sistem ganjil genap menimbulkan reaksi beragam. Di era digital ini, media sosial, khususnya Twitter, telah menjadi platform utama bagi masyarakat untuk menyampaikan pendapatnya.
Menurut Nanang Ruyana, guru besar program studi Ilmu Data Universitas Nusa Mandiri, pengguna Twitter bisa leluasa mengutarakan pendapatnya, baik dan buruk, tentang kebijakan tersebut melalui tweet.
Menariknya, emosi-emosi tersebut dapat dianalisis secara sistematis untuk memahami emosi masyarakat.
Ilmu data sangat mempengaruhi cara data dianalisis dan dipahami, terutama dalam jumlah besar. Di masa lalu, analisis big data sulit dilakukan dan memakan waktu. Namun seiring berkembangnya teknologi ilmu data, metode ini menjadi lebih efisien dan akurat.
Teknik dan alat yang digunakan dalam ilmu data membantu memproses data dengan cepat dan memberikan wawasan yang mendalam dan mendetail.
Salah satu teknik dalam ilmu data yang digunakan untuk menganalisis data dari media sosial adalah mining. Metode ini memungkinkan identifikasi pola, perilaku dan gagasan dalam teks yang dihasilkan oleh pengguna internet.
Dengan text mining, analisis teks yang dulunya sulit dan rumit, kini dapat dilakukan dengan sangat efisien, sehingga meningkatkan pengetahuan dari big data dan membantu mengambil keputusan yang lebih akurat.
Survei yang dilakukan dosen Kampus Bisnis Digital Universitas Nusa Mandiri (UNM) ini dilakukan berdasarkan pendapat pengguna media sosial terkait pemberlakuan kebijakan sistem ganjil genap di Jakarta. Algoritma Naive Bayes sering digunakan dalam klasifikasi dokumen karena kemampuannya dalam memberikan hasil yang akurat ketika menggabungkan data berdasarkan probabilitas.
Survei ini mengumpulkan data dari Twitter menggunakan Twitter API. Tweet dengan hashtag #ganjilgenap dikumpulkan selama periode waktu tertentu dan dianalisis untuk menentukan sentimen. Langkah pertama dalam proses ini adalah pemfilteran, dimana data dibersihkan dari elemen yang tidak berguna seperti URL, emotikon, dan karakter khusus.
Setelah data dibersihkan, langkah selanjutnya adalah memilih form, dimana elemen penting seperti unigram dan object dihilangkan. Ini digunakan untuk membuat segmen dengan algoritma Naive Bayes untuk menentukan apakah suatu tweet memiliki sentimen positif atau negatif.
Hasil analisis menunjukkan bahwa sebagian besar tweet yang dianalisis memiliki sikap positif terhadap kebaikan yang mengikuti fakta ganjil. Secara khusus, 86,67% tweet tergolong positif, sedangkan 13,33% sisanya negatif. Hasilnya menunjukkan, meski menentang kebijakan tersebut, banyak masyarakat yang mendukung penerapan sistem ganjil sebagai solusi mengurangi lalu lintas di Jakarta.
Analisis ini juga menunjukkan akurasi klasifikasi mencapai 71,43%, dengan recall sebesar 80,00%. Artinya, model Naive Bayes yang digunakan sangat efektif dalam mengidentifikasi opini publik dari data Twitter, dan memberikan gambaran akurat tentang bagaimana masyarakat Jakarta mengevaluasi kebijakan tersebut.
Hasil penelitian ini mempunyai implikasi penting bagi para pengambil kebijakan di Jakarta. Dengan memahami opini masyarakat, pemerintah dapat meninjau kembali kebijakan yang tidak biasa ini dan melakukan perubahan yang diperlukan untuk meningkatkan efektivitasnya. Misalnya, jika kesalahpahaman ini lebih terkait dengan kekhawatiran mengenai kurangnya sarana transportasi alternatif, maka pemerintah dapat mempertimbangkan perbaikan transportasi umum sebagai langkah tambahan.
Selain itu, analisis ini menunjukkan bahwa opini publik dapat dipantau secara real time menggunakan ilmu data, sehingga memungkinkan pengambil kebijakan merespons perubahan opini publik dengan cepat dan akurat. Oleh karena itu, metode ini tidak hanya membantu mengevaluasi keberhasilan kebijakan saat ini tetapi juga untuk menciptakan kebijakan yang lebih baik di masa depan.
Penulis: Nanang Ruyana, dosen Program Studi Ilmu Data Universitas Nusa Mandiri
