Machine Learning Untuk Analisis Sentimen Cyberfeminism Menggunakan Naive Bayes Dan Text Mining

Abstrak

Perkembangan media sosial telah menciptakan ruang digital baru bagi munculnya diskursus cyberfeminism sebagai bentuk perjuangan terhadap kesetaraan gender di era digital. Penelitian ini bertujuan mengembangkan framework machine learning untuk menganalisis sentimen publik terhadap cyberfeminism menggunakan algoritma Naive Bayes dan teknik text mining. Data penelitian diperoleh dari media sosial seperti X (Twitter), Instagram, dan forum daring menggunakan kata kunci terkait feminisme digital dan kesetaraan gender. Tahapan penelitian meliputi pengumpulan data, preprocessing teks, tokenisasi, stopword removal, stemming, pembobotan TF-IDF, dan klasifikasi sentimen menggunakan Multinomial Naive Bayes. Evaluasi model dilakukan melalui accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa algoritma Naive Bayes mampu mengklasifikasikan sentimen positif, negatif, dan netral secara efektif pada data teks media sosial. Sentimen positif umumnya berkaitan dengan dukungan terhadap pemberdayaan perempuan dan kesetaraan gender, sedangkan sentimen negatif berkaitan dengan stereotip gender dan budaya patriarki di ruang digital. Penelitian ini berkontribusi dalam pengembangan sistem analisis sentimen berbasis kecerdasan buatan untuk memahami dinamika sosial gender serta mendukung pengambilan keputusan dalam pendidikan dan literasi digital yang lebih inklusif.