IMPLEMENTASI NAÏVE BAYES CLASSIFIER TERKAIT PENCALONAN GANJAR PRANOWO SEBAGAI CALON PRESIDEN 2024 DI TWITTER

Penulis

  • Fadila Salsabila Universitas Budi Luhur
  • Utomo Budiyanto Universitas Budi Luhur

Kata Kunci:

analisis sentimen, bag of words, naïve bayes classifier

Abstrak

Seiring dengan perkembangan zaman dan teknologi saat ini, media sosial merupakan salah satu wadah untuk saling berkomunikasi, berbagi informasi dan berpendapat. Twitter merupakan jejaring sosial yang banyak digunakan dikalangan masyarakat Indonesia saat ini. Pada tahun 2024, Indonesia akan menghadapi Pemilihan Presiden (Pilpres) yang penting bagi arah dan masa depan negara. Salah satu Calon Presiden (Capres) pada Pilpres 2024 adalah Ganjar Pranowo. Twitter banyak digunakan oleh masyarakat sebagai platform untuk berdiskusi dan berpendapat mengenai berbagai topik, yang dimana saat ini lagi ramai tentang pemilihan calon presiden untuk 2024 mendatang. Masalah yang diangkat dalam penelitian ini yaitu bagaimana mengkalisifikasikan sentimen pada data tweet, mengetahui opini masyarakat di Twitter terkait dengan pencalonan Ganjar Pranowo sebagai calon presiden pada tahun 2024 berupa opini postif, negatif maupun netral, serta menghitung seberapa akurat metode Naïve Bayes Classifier dalam melakukan klasifikasi sentimen. Analisis sentimen terhadap opini masyarakat terhadap sosok Ganjar sebagai Calon Presiden 2024 di Twitter dilakukan untuk mengatasi masalah tersebut. Oleh karena itu, tujuan dari penelitian ini yaitu analisis sentimen masyarakat di Twitter terkait pencalonan Ganjar Pranowo sebagai Calon Presiden 2024. Penelitian ini menggunakan metode preprocessing berupa case folding, cleaning, slangword, stopword, dan stemming. Metode yang digunakan adalah Naïve Bayes Classifier untuk mengklasifikasikan data ke dalam kategori yang tepat, dimana data akan dibagi menjadi tiga sentimen yaitu positif, negatif dan netral. Dan Bag of Words digunakan sebagai metode untuk ekstraksi fitur. Hasil dari proses klasifikasi lebih dominan label positif dengan data yang digunakan sebanyak 300 data dengan rasio pembagian data 70% (210 data) untuk data latih dan 30% (90 data) buat data uji. Lalu dilakukan pengujian sehingga menghasilkan accuracy 75.56%, precision 75.56% dan recall 100.00%.

Referensi

D. Rusdiaman and D. Rosiyadi, "Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naive Bayes Classifier dan Support Vector Machine," vol. 4, issue 2, 2019.

W. Widayat, "Analisis Sentimen Movie Review Menggunakan Word2Vec dan Metode LSTM Deep Learning," Jurnal Media Informatika Budidarma, vol. 5, no. 3, pp. 1018-1026, 2021, doi: 10.30865/mib.v5i3.3111.

A. P. Natasuwarna Jurusan Sistem Informasi and S. Pontianak, "Seleksi Fitur SVM pada Analisis Sentimen Keberlanjutan Pembelajaran Daring," vol. 19, issue 4, 2020.

S. F. Handayani, R. W. Pratiwi, D. Dairoh, and D. I. Af'idah, "Analisis Sentimen pada Data Ulasan Twitter dengan Long-Short Term Memory," JTERA (Jurnal Teknologi Rekayasa), vol. 7, no. 1, pp. 39-46, 2022, doi: 10.31544/jtera.v7.i1.2022.39-46.

M. Mega, M. Olhang, S. Achmadi, and F. X. Ariwibisono, "Analisis Sentimen Pengguna Twitter terhadap Covid-19 di Indonesia Menggunakan Metode Naive Bayes Classifier (NBC)," in Jurnal Mahasiswa Teknik Informatika, vol. 4, issue 2, 2020.

F. V. Sari and A. Wibowo, "Analisis Sentimen Pelanggan Toko Online jD.ID Menggunakan Metode Naive Bayes Classifier Berbasis Konversi Ikon Emosi," Jurnal SIMETRIS, vol. 10, no. 2, 2019.

D. Normawati and S. A. Prayogi, "Implementasi Naive Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter," in Jurnal Sains Komputer & Informatika (J-SAKTI), vol. 5, issue 2, 2021.

V. R. Albahar Sejati and W. Pramusinto, "2nd Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI) 21 Maret 2023-Jakarta," vol. 2, no. 1, 2023.

Olive, D. Putra, K. Rega Prilianti, P. Lucky, dan T. Irawan, "Implementasi Text Mining untuk Analisis Opini Masyarakat terhadap Kinerja Layanan Transportasi Online dengan Analisis Faktor," vol. 8, no. 2, 2020.

D. Rusdiaman dan D. Rosiyadi, "Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier dan Support Vector Machine," vol. 4, no. 2, 2019.

D. Normawati dan S. A. Prayogi, "Implementasi Naïve Bayes Classifier dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter," J. Sains Komput. Informatika (J-SAKTI), vol. 5, no. 2, 2021.

M. Mega, M. Olhang, S. Achmadi, dan F. X. Ariwibisono, "Analisis Sentimen Pengguna Twitter terhadap COVID-19 di Indonesia Menggunakan Metode Naïve Bayes Classifier (NBC)," in *Jurnal Mahasiswa Teknik Informatika*, vol. 4, issue 2, 2020.

F. V. Sari dan A. Wibowo, "Analisis Sentimen Pelanggan Toko Online JD.ID Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi," *Jurnal SIMETRIS*, vol. 10, no. 2, 2019.

A. I. Tanggraeni dan M. N. N. Sitokdana, "Analisis Sentimen Aplikasi E-Government pada Google Play Menggunakan Algoritma Naïve Bayes," vol. 9, no. 2, hal. 785–795, 2022.

L. Oktaria Sihombing dan B. Arif Dermawan, "Sentimen Analisis Customer Review Produk Shopee Indonesia Menggunakan Algoritma Naïve Bayes Classifier," *Edumatic: Jurnal Pendidikan Informatika*, vol. 5, no. 2, hal. 233-242, 2021. [Online]. Tersedia: https://doi.org/10.29408/edumatic.v5i2.4089.

Unduhan

Diterbitkan

11-10-2023

Cara Mengutip

Salsabila, F., & Budiyanto, U. (2023). IMPLEMENTASI NAÏVE BAYES CLASSIFIER TERKAIT PENCALONAN GANJAR PRANOWO SEBAGAI CALON PRESIDEN 2024 DI TWITTER. Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI), 2(2), 677–686. Diambil dari https://senafti.budiluhur.ac.id/index.php/senafti/article/view/832

Terbitan

Vol 2 No 2 (2023): Prosiding SENAFTI Ke-3 September 2023

Bagian

Artificial Intelligence

Lisensi

Hak Cipta (c) 2023 Prosiding Seminar Nasional Mahasiswa Fakultas Teknologi Informasi (SENAFTI)

Creative Commons License

Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.

Artikel paling banyak dibaca berdasarkan penulis yang sama

<< < 1 2