Perbandingan Hasil Sentimen Analysis Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor pada Twitter

Penulis

  • Rizky Darmawan Universitas Budi Luhur
  • Safrina Amini Universitas Budi Luhur

Kata Kunci:

twitter, sentimen analisis, naive bayes, k-nearest neighbour, text mining

Abstrak

Meningkatnya pengguna media sosial membuat data semakin banyak dan menumpuk, khususnya pada sosial media twitter, data tersebar luas dan sangat mudah didapatkan pada platform ini, oleh karena itu perlu dilakukan sebuah pengolahan data untuk memproses data-data tersebut menjadi sebuah sumber informasi yang berguna. Salah satu cara dalam mengolah data pada twitter disebut sentimen analisis, yaitu mengambil sebuah opini masyarakat yang menggunakan twitter dan mengelompokkannya kedalam kelas emosinya. Namun banyak sekali metode yang dapat digunakan untuk melakukan Sentimen Analisis, oleh karena itu munculah sebuah permasalahan dimana metode apa yang paling cocok digunakan dalam melakukan sebuah sentimen analysis. Pada pengujian ini penulis membandingkan dua algoritma yaitu Naïve Bayes dan K-Nearest Neighbor dalam melakukan sentimen analysis, dengan melakukan 3 kali percobaan menggunakan data yang didapatkan dari twitter. Dihasilkan tingkat akurasi sebesar 65%, 40%,80% untuk algoritma Naïve Bayes dan 55%,45%,75% untuk algoritma K-Nearest Neighbor. Penelitian ini berkontribusi dalam pemilihan algoritma yang digunakan dalam pembuatan sentimen analisis kedepannya.

Referensi

A. Indriani, “Analisa Perbandingan Metode Naïve Bayes Classifier Dan K-Nearest Neighbor Terhadap Klasifikasi Data,” Sebatik, vol. 24, no. 1, pp. 1–7, 2020, doi: 10.46984/sebatik.v24i1.909.

T. T. Muryono, A. Taufik, and I. Irwansyah, “Perbandingan Algoritma K-Nearest Neighbor, Decision Tree, Dan Naive Bayes Untuk Menentukan Kelayakan Pemberian Kredit,” Infotech J. Technol. Inf., vol. 7, no. 1, pp. 35–40, 2021, doi: 10.37365/jti.v7i1.104.

T. A.M and A. Yaqin, “Perbandingan Algoritma Naïve Bayes, K-Nearest Neighbors dan Random Forest untuk Klasifikasi Sentimen Terhadap BPJS Kesehatan pada Media Twitter,” InComTech J. Telekomun. dan Komput., vol. 12, no. 1, p. 01, 2022, doi: 10.22441/incomtech.v12i1.13642.

R. N. Devita, H. W. Herwanto, and A. P. Wibawa, “Perbandingan Kinerja Metode Naive Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa indonesia,” J. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 4, p. 427, 2018, doi: 10.25126/jtiik.201854773.

A. D. Afifaturahman and F. MSN, “Perbandingan Algoritma K-Nearest Neighbour (KNN) dan Naive Bayes pada Intrusion Detection System (IDS),” Innov. Res. Informatics, vol. 3, no. 1, pp. 17–25, 2021, doi: 10.37058/innovatics.v3i1.2852.

V. Novalia, R. Goejantoro, and Sifriyani, “Perbandingan Metode Klasifikasi Naive Bayes dan K-Nearest Neighbor (Studi Kasus : Status Kerja Penduduk Di Kabupaten Kutai Kartanegara Tahun 2018),” J. EKSPONENSIAL, vol. 11, pp. 159–166, 2020.

F. N. Hasan, N. Hikmah, and D. Y. Utami, “Perbandingan Algoritma C4.5, KNN, dan Naive Bayes untuk Penentuan Model Klasifikasi Penanggung jawab BSI Entrepreneur Center,” J. Pilar Nusa Mandiri, vol. 14, no. 2, p. 169, 2018, doi: 10.33480/pilar.v14i2.908.

I. Saputra and D. Rosiyadi, “Perbandingan Kinerja Algoritma K-Nearest Neighbor, Naïve Bayes Classifier dan Support Vector Machine dalam Klasifikasi Tingkah Laku Bully pada Aplikasi Whatsapp,” Fakt. Exacta, vol. 12, no. 2, p. 101, 2019, doi: 10.30998/faktorexacta.v12i2.4181.

A. Sumiah and N. Mirantika, “Perbandingan Metode K-Nearest Neighbor dan Naive Bayes untuk Rekomendasi Penentuan Mahasiswa Penerima Beasiswa pada Universitas Kuningan,” Buffer Inform., vol. 6, no. 1, pp. 1–10, 2020.

P. L. Prasanna, S. Manogni, P. Tejaswini, K. T. Kumar, and K. Manasa, “Document classification using KNN with fuzzy bags of word representation,” Int. J. Recent Technol. Eng., vol. 7, no. 6, pp. 631–634, 2019.

Unduhan

Diterbitkan

30-09-2022

Cara Mengutip

Darmawan, R., & Amini, S. (2022). Perbandingan Hasil Sentimen Analysis Menggunakan Algoritma Naïve Bayes dan K-Nearest Neighbor pada Twitter. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 1(1), 495–501. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/210

Terbitan

Vol 1 No 1 (2022): Prosiding SENAFTI (Buku 2 - Artificial Intelligence) September 2022

Bagian

Artificial Intelligence

Artikel paling banyak dibaca berdasarkan penulis yang sama

1 2 > >>