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%.