Implementasi Lexicon Based Features Dan Naïve Bayes Dalam Analisis Sentimen Pada Jejaring Sosial Twitter (Studi Kasus : Data Komentar Twitter Terkait Larangan Mantan Anggota Hti Mengikuti Pemilu)
Abstract
Dunia teknologi di era modern saat ini semakin berkembang. masyarakat dapat
mendapatkan berbagai macam informasi yang tersebar luas di dunia internet atau
bisa disebut dengan dunia maya. Dalam dunia maya terdapat sosial media yang
digunakan untuk menggali informasi. Salah satunya adalah Twitter. Berdasarkan
databoks.kata.data.co.id Twitter masuk dalam 5 besar media sosial yang sering
digunakan pengguna media sosial di Indonesia berusia 16 hingga 64 tahun. Dengan
Twitter, pengguna dapat menemukan informasi terkait pasal yang dianggap sangat
kontroversial dalam RUU Pemilu, yang membuat seluruh masyarakat di Indonesia
memberikan kritikan terhadap sikap pemerintah yang melarang mantan anggota
HTI untuk ikut berpartisipasi dalam Pemilu. Adanya pemberitaan terhadap
kebijakan tersebut membuat banyak masyarakat yang menyampaikan opininya
dalam Twitter, baik itu opini bersifat positif, negatif ataupun netral. Maka dari itu,
dilakukan analisis sentiment terhadap opini yang disampaikan masyarakat pada
Twitter yang dapat digunakan dalam menggambarkan sikap masyarakat pada
masalah kebijakan yang melarang mantan anggota HTI mengikuti Pemilu. Metode
yang digunakan adalah metode Naïve Bayes Classifier untuk klasifikasi dan
pelabelan menggunakan lexicon Based Features untuk pelabelan data. Berdasarkan
hasil pengujian, diperoleh hasil sentimen positif sebanyak 208 data, sentimen
negatif sebanyak 412 data dan sentimen netral sebanyak 389 data.kemudian
perolehan hasil dengan klasifikasi menggunakan metode naïve bayes nilai akurasi
sebesar 80,65%, recall sebesar 66,67%, precision sebesar 73,68% dan specificity
sebesar 87,80%.
Collections
- Statistics [900]