Pemindahan Ibu Kota Nusantara (IKN) adalah proyek strategis nasional untuk menciptakan pusat pemerintahan yang merata dan berkelanjutan. Pemindahan ini bertujuan mengurangi beban Jakarta dan Pulau Jawa, yang menampung 55,94% dari total penduduk Indonesia pada 2020, sementara Kalimantan hanya 6,13%. Kepadatan di Jawa menyebabkan kemacetan, polusi, dan tekanan infrastruktur (Kementerian Sekretariat Negara Republik Indonesia, 2025). Kalimantan Timur, sebagai provinsi dengan potensi ekonomi yang besar dan lokasi ibu kota negara yang baru, masih menghadapi berbagai tantangan dalam pembangunan. Salah satu permasalahan utama adalah kesenjangan ekonomi yang cukup signifikan. Hal ini tercermin dari akses terhadap air minum yang aman, yang hanya tersedia bagi 16,51% dari total populasi. Selain itu, terdapat perbedaan dalam akses terhadap hunian layak, di mana kota-kota besar seperti Samarinda dan Balikpapan memiliki tingkat akses di atas 80%, sedangkan wilayah seperti Mahakam Ulu hanya mencapai 36,16%.
Penelitian ini bertujuan untuk mengevaluasi kesiapan pemerintah dalam menampung penduduk di IKN yang diperkirakan sekitar 1.283.589 jiwa akan menghuni IKN dan daerah sekitar pada periode 2025–2029. Penelitian ini akan menganalisis persepsi masyarakat terhadap pembangunan infrastruktur tahap pertama, yang dilakukan untuk mendukung kelancaran pemindahan ibu kota dengan memastikan kesiapan infrastruktur dasar dan memahami persepsi masyarakat terhadap perkembangan infrastruktur yang terdapat di IKN. Hasil yang diperoleh, diharapkan dapat bermanfaat bagi pemangku kebijakan untuk mengambil langkah yang lebih strategis dalam pengembangan IKN, serta mempercepat realisasi pembangunan yang sesuai dengan kebutuhan public.
Data yang dikumpulkan merupakan data yang diperoleh dari platform X tentang infrastruktur yang terdapat di IKN dan daerah sekitar IKN untuk menilai kesiapan daerah sekitar IKN untuk menampung perpindahan penduduk. Hasil analisis menunjukkan bahwa 38,58% responden memberikan penilaian positif terhadap kondisi infrastruktur dasar, yang mengindikasikan bahwa persepsi publik terhadap kesiapan infrastruktur di kawasan tersebut tergolong baik.
Hasil analisis word cloud menunjukkan adanya perbedaan fokus pembahasan masyarakat berdasarkan kategori sentimen. Pada sentimen negatif, kata-kata yang paling dominan seperti “IKN”, “listrik”, “infrastruktur”, “utang” mencerminkan kritik terhadap pembangunan IKN yang dianggap membebani negara serta menimbulkan kekhawatiran terkait risiko proyek yang tidak terselesaikan. Sebaliknya, pada sentimen netral, kata-kata dominan seperti “IKN”, “listrik”, “didik”, “bangun”, lebih bersifat deskriptif dan informatif, menandakan bahwa pembahasan netral cenderung berfokus pada penyampaian fakta mengenai lokasi, proyek, maupun aspek teknis pembangunan tanpa adanya emosional yang kuat. Adapun pada sentimen positif, kata-kata dominan seperti “IKN”, “nusantara”, “kota”, “infrastruktur”, “bangun”, “fasilitas”, dan “rakyat” menekankan optimisme masyarakat terhadap pembangunan IKN. Hal ini mengindikasikan adanya dukungan dan harapan bahwa pembangunan IKN akan membawa manfaat, khususnya dalam penyediaan infrastruktur, fasilitas umum, serta peningkatan kesejahteraan masyarakat. Selanjutnya data akan dianalisis menggunakan SVM dan Naïve Bayes untuk mengetahui model mana yang memberikan hasil yang baik dalam melakukan klasifikasi sentiment.
Berdasarkan hasil evaluasi model klasifikasi sentimen, terlihat bahwa algoritma SVM memberikan kinerja yang lebih baik dibandingkan dengan Naïve Bayes. Pada kelas sentimen positif, SVM menunjukkan performa yang sangat baik dengan recall sebesar 0,96, precision 0,81, dan F1-score 0,88, yang menandakan kemampuan tinggi dalam mengenali hampir seluruh data positif dengan tingkat ketepatan prediksi yang cukup baik. Sebaliknya, algoritma Naïve Bayes menunjukkan kemampuan yang baik pada kelas positif dengan recall yang hampir sempurna (0,99) dan F1-score 0,79. Namun, performanya sangat rendah pada sentimen negatif (F1-score sebesar 0,19) serta hampir tidak mampu mengenali sentimen netral (F1-score sebesar 0,02). Dengan demikian, dapat disimpulkan bahwa SVM lebih tepat digunakan ketika dibutuhkan klasifikasi yang relatif seimbang pada semua kelas sentimen, sedangkan Naïve Bayes lebih sesuai apabila fokus utama analisis adalah mengidentifikasi sentimen positif.
Tim Peneliti:
1. Farida Nur Hayati, S.Si., M.Stat. (Statistika/JSAD/ ITK)
2. Retno Wahyu Dewanti, S.Si., M.Si. (Matematika/JSAD/ ITK)
3. Mega Silfiani, S.Si., M.Si., M.Sc. (Statistika/JSAD/ ITK)
1. Memberikan gambaran mengenai kondisi dan kesiapan infrastruktur dasar, sehingga masyarakat memperoleh informasi yang jelas terkait akses infrastruktur dasar di wilayah sekitar IKN.
2. Menjadi referensi bagi penelitian selanjutnya, khususnya yang berkaitan dengan pembangunan wilayah, persepsi publik, dan pengembangan infrastruktur di kawasan strategis nasional
3. Hasil penelitian dapat menjadi bahan masukan dalam perencanaan, dan evaluasi pembangunan infrastruktur dasar di wilayah sekitar Ibu Kota Nusantara (IKN)