iaminkuwait.com, JAKARTA – Jakarta terkenal dengan tingkat kemacetan lalu lintas yang tinggi, terutama pada jam-jam sibuk. Berbagai cara telah dilakukan Pemprov DKI Jakarta untuk mengatasi permasalahan tersebut, salah satunya dengan menerapkan kebijakan ganjil genap pada pelat nomor mobil. Tujuan dari kebijakan ini adalah untuk mengurangi jumlah kendaraan di jalan pada waktu-waktu tertentu guna mengurangi kemacetan.
Seperti banyak kebijakan publik lainnya, pemberlakuan sistem ganjil genap juga menimbulkan beragam reaksi dari masyarakat. Di era digital ini, media sosial khususnya Twitter menjadi platform utama untuk menyampaikan pendapat.
Menurut Nanang Ruyana, dosen program Ilmu Data Universitas Nusa Mandiri, pengguna Twitter bisa leluasa mengutarakan pendapatnya, baik positif maupun negatif, tentang kebijakan tersebut melalui tweet.
Menariknya, opini-opini tersebut dapat dianalisis secara sistematis untuk memahami suasana hati masyarakat umum.
Ilmu data sangat mempengaruhi cara data dianalisis dan dipahami, terutama dalam jumlah yang sangat besar. Sebelumnya, menganalisis data berskala besar merupakan tantangan yang kompleks dan memakan waktu. Namun seiring berkembangnya teknologi ilmu data, proses ini menjadi lebih efisien dan akurat.
Metode dan alat yang digunakan dalam ilmu data memungkinkan pemrosesan data lebih cepat dan memberikan wawasan yang lebih dalam dan mendetail.
Salah satu metode data science yang digunakan untuk menganalisis data teks media sosial adalah text mining. Metode ini memungkinkan untuk mengidentifikasi pola, tren, dan emosi dalam teks yang dibuat oleh pengguna Internet.
Dengan text mining, analisis data tekstual yang sebelumnya sulit dan kompleks, kini dapat dilakukan dengan lebih efisien, memperkaya wawasan yang diperoleh dari big data dan membantu pengambilan keputusan strategis yang lebih akurat.
Penelitian yang dilakukan oleh dosen Kampus Bisnis Digital Universitas Nusa Mandiri (UNM) ini dilakukan berdasarkan pendapat pengguna media sosial terkait penerapan kebijakan sistem ganjil genap di Jakarta z. Algoritma Naive Bayes banyak digunakan dalam klasifikasi teks karena kemampuannya dalam memberikan hasil yang akurat ketika mengelompokkan data teks berdasarkan probabilitas.
Survei ini mengumpulkan data dari Twitter menggunakan Twitter API. Tweet dengan hashtag #ganjilgenap dikumpulkan dalam jangka waktu tertentu dan kemudian dianalisis untuk mengetahui opini publik. Langkah pertama dalam proses ini adalah pra-pemrosesan, dimana data dibersihkan dari elemen yang tidak relevan seperti URL, emotikon, dan karakter khusus.
Setelah data dibersihkan, langkah selanjutnya adalah pemilihan fitur, dimana fitur-fitur penting seperti unigram dan negasi diekstraksi. Fitur-fitur tersebut kemudian digunakan dalam proses klasifikasi menggunakan algoritma Naive Bayes untuk menentukan apakah suatu tweet mempunyai opini positif atau negatif.
Hasil analisis menunjukkan sebagian besar tweet yang dianalisis memiliki sentimen positif terhadap kebijakan ganjil genap. Secara spesifik, 86,67 persen tweet tergolong positif, sedangkan sisanya 13,33 persen negatif. Hasil tersebut menunjukkan bahwa meski terdapat kritik terhadap kebijakan tersebut, namun mayoritas masyarakat mendukung pemberlakuan sistem ganjil genap sebagai solusi untuk mengurangi kemacetan lalu lintas di Jakarta.
Analisis ini juga menunjukkan keakuratan model klasifikasi mencapai 71,43 persen, dengan recall sebesar 80,00 persen. Artinya model Naïve Bayesian yang digunakan sangat efektif dalam mengidentifikasi sentimen masyarakat dari data Twitter dan memberikan gambaran akurat bagaimana masyarakat Jakarta mengevaluasi kebijakan tersebut.
Hasil penelitian ini mempunyai implikasi penting bagi para pengambil kebijakan di Jakarta. Dengan memahami mood masyarakat, pemerintah dapat mengevaluasi kembali kebijakan ganjil genap dan melakukan penyesuaian yang diperlukan untuk meningkatkan efektivitasnya. Misalnya, jika sentimen negatif sebagian besar disebabkan oleh kekhawatiran mengenai kurangnya alternatif transportasi, maka pemerintah dapat mempertimbangkan peningkatan layanan transportasi umum sebagai solusi tambahan.
Selain itu, analisis ini menunjukkan bahwa sentimen publik dapat dipantau secara real time menggunakan ilmu data, sehingga memungkinkan pembuat kebijakan merespons perubahan opini publik dengan lebih cepat dan akurat. Dengan demikian, pendekatan ini tidak hanya membantu dalam mengukur keberhasilan kebijakan saat ini, namun juga dalam merancang kebijakan yang lebih baik di masa depan.
Penulis: Nanang Ruyana, dosen program studi Ilmu Data Universitas Nusa Mandiri