Klasifikasi Sentimen Masyarakat Terhadap Guru PNS yang Resign Karena Lingkungan Toxic Menggunakan Metode Naive Bayes Classifier

Kasus pengunduran diri seorang guru Pegawai Negeri Sipil (PNS) akibat lingkungan kerja yang tidak sehat atau toxic workplace menjadi sorotan publik dan ramai diperbincangkan di media sosial, memunculkan berbagai tanggapan dari masyarakat. Penelitian ini bertujuan untuk mengklasifikasikan sentimen masyarakat terhadap fenomena tersebut dengan menganalisis 1.000 komentar yang dikumpulkan secara manual dari tiga akun media sosial berita di Instagram. Komentar tersebut dilabeli secara manual oleh seorang ahli bahasa Indonesia menjadi dua kelas, yaitu 500 komentar positif dan 500 komentar negatif. Data dianalisis menggunakan metode Naive Bayes Classifier yang diawali dengan tahap text preprocessing, termasuk pembersihan teks, tokenisasi, stopword removal, dan stemming, kemudian dilanjutkan dengan pemberian bobot menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Model dikembangkan menggunakan bahasa pemrograman Python dengan library scikit-learn, dan dievaluasi menggunakan confusion matrix dengan rumus akurasi: (jumlah prediksi benar / total data) × 100%. Hasil pengujian menunjukkan bahwa model berhasil mencapai tingkat akurasi sebesar 93,81%, yang menunjukkan bahwa pendekatan klasifikasi ini efektif dalam mengidentifikasi sentimen publik. Temuan ini memberikan gambaran mendalam mengenai pandangan masyarakat terhadap isu pengunduran diri guru PNS akibat lingkungan kerja yang tidak kondusif serta menunjukkan potensi analisis sentimen sebagai alat untuk memahami opini publik dalam isu sosial.