ANALISIS SENTIMEN TWITTER TERHADAP KENAIKAN BAHAN BAKAR MINYAK MENGGUNAKAN ALGORITMA NAÏVE BAYES
Kata Kunci:
Analisis sentimen, Twitter, Sentimen Analisis, Kenaikan BBM, Naive BayesAbstrak
Perkembangan zaman yang semakin canggih berefek langsung kepada perilaku masyarakat, di zaman sekarang ini pula penggunaan sosial media semakin menjamur di tengah-tengah aktivitas masyarakat. Khususnya sosial media seperti Twitter yang banyak digemari pada saat ini Twitter menyediakan layanan bagi pengguna untuk menyampaikan pendapat dan mengirimkan pesan secara langsung melalui postingan dan tweet.. Melimpahnya opini masyarkat yang tertuang dalam media sosial twitter berupa sebuah persepsi, baik itu positif atau negatif. Di sisi lain, opini publik juga banyak digunakan sebagai bahan penelitian untuk mencari informasi yang membutuhkan teknik analisis yang tepat, dan informasi yang dihasilkan membantu banyak pihak yang berkepentingan untuk mengambil keputusan. Oleh karena itu, dalam penelitian ini, dengan mengklasifikasikan sentimen menjadi positif dan negatif, kami menggunakan metode algoritma Naive Bayes untuk menganalisis sentimen guna mendeteksi persepsi masyarakat terhadap isu kenaikan BBM di media sosial Twitter. Klasifikasi dilakakukan dengan mengunakan metode algoritma naïve bayes sebagai pengujian. Hasil dari penelitian ini adalah dari perbandingan data latih dan uji yaitu 90:10 dan mendapatkan nilai akurasi tertinggi 81,818% dibandingkan dengan rasio lainnya. Perkiraan yang diperoleh dari pengelompokan lebih besar untuk label positif. Selain melakukan klasifikasi untuk menggambarkan tampilan, penelitian ini juga mengevaluasi kinerja model yang dihasilkan.
Referensi
Nooraeni, R., Safiruddin, A. B., Afifah, A. F., Agung, K. D., & Rosyad, N. N. (2020). Analisis Sentimen Publik terhadap Sistem Zonasi Sekolah Menggunakan Data Twitter dengan Metode Naïve Bayes Classification. Faktor Exacta, 12(4), 315. https://doi.org/10.30998/faktorexacta.v12i4.5205
Setiawan, H., Utami, E., & Sudarmawan, S. (2021). Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan Naive Bayes. Jurnal Komtika (Komputasi Dan Informatika), 5(1), 43–51. https://doi.org/10.31603/komtika.v5i1.5189
Aditya, D., Mubarok, A., Kom, M., & Susanti, S. (2019). Analisis Sentimen Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Classifier (Studi Kasus: Komentar Publik Kepada Tri Indonesia). JURNAL INFORMATIKA, 6(1), 1–8. http://ejournal.bsi.ac.id/ejurnal/index.php/ji/article/view/-
Tanggraeni, A. I., & Sitokdana, M. N. N. (2022). Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 785–795. https://doi.org/10.35957/jatisi.v9i2.1835
Saurina, N. (2022). Analisis Sentimen Ulasan Pelanggan Batik Ecoprint Menggunakan Naïve Bayes Dan Knn Classifier. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 9(2), 1532–1542. https://doi.org/10.35957/jatisi.v9i2.1483
Noor Fahmi, R., Aji Primajaya, dan, Informatika Universitas Singaperbangsa Karawang Jl HSRonggo Waluyo, T., & Timur, T. (2021). Analisis Sentimen Pengguna Twitter Terhadap Kasus Penembakan Laskar FPI Oleh POLRI Dengan Metode Naïve Bayes Classifier. In Jurnal Informatika dan Komputer) (Vol. 5, Issue 2). http://dev.twitter.com.
Krisdiyanto, T. (2021). Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes Clasifiers. Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer Dan Teknologi Informasi, 7(1), 32. https://doi.org/10.24014/coreit.v7i1.12945
Mutiara, T. A., Alkhalifi, Y., Mayangky, N. A., & Gata, W. (2020). Analisis Sentimen Opini Publik Mengenai Larangan Mudik pada Twitter Menggunakan Naïve Bayes. In Jurnal CoreIT: Jurnal Hasil Penelitian Ilmu Komputer dan Teknologi Informasi (Vol. 6, Issue 2, p. 85). https://doi.org/10.24014/coreit.v6i2.9727
Sentimen, A., & Algoritma, P. E.-M. P. T. M. (2020). Analisa Sentimen Pengguna E-Money Pada Twitter Menggunakan Algoritma C4.5 dan Naïve Bayes. In Jurnal Informatika dan Sistem Informasi (JIFoSI) (Vol. 1, Issue 3).
Fitriani, E. (2020). Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan. Sistemasi, 9(1), 103. https://doi.org/10.32520/stmsi.v9i1.596
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
