Implementasi Text Mining Dan Sentiment Analyisis Pada Jejaring Sosial Twitter Menggunakan Metode Naïve Bayes Classifier (Studi Kasus : Tes Pcr Di Indonesia)
Abstract
Perkembangan pengguna platform media sosial Twitter semakin semakin
tinggi seiring dengan perkembangan dunia digital. pada kuartal pertama tahun
2019, ada 330 juta orang yang menjadi pengguna aktif jejaring sosial Twitter,
menjadikan Twitter sebagai aplikasi jejaring sosial yang menempati urutan ke-12
dengan pengguna terbanyak di dunia. dengan pengguna dari berbagai kalangan
dan lapisan masyarakat, Twitter ialah jejaring sosial tempat para netizen berbagi
banyak sekali pendapat tentang setiap isu yang muncul. Melihat berita yang
sedang menghangat dari data percakapan di Twitter pada Oktober sampai
November 2021, berita yang menjadi perbincangan hangat netizen terkait topik
tes PCR. oleh sebab itu, penulis melakukan analisis pada jejaring media sosial
Twitter terkait informasi tes PCR yang sempat menjadi topik perbincangan hangat
pada platform jejaring sosial tersebut menggunakan algoritma Naïve Bayes
Classifier. Metode ini dianggap cocok untuk dikaitkan dengan implementasi text
mining dan analisis sentimen karena algoritma ini bertujuan sebagai metode
klasifikasi ke dalam kategori positif dan negatif untuk opini publik mengenai tes
PCR di Indonesia. hasil klasifikasi Sentiment Analysis dihasilkan sebanyak 3642
tweet untuk sentimen negatif, 2285 tweet untuk sentimen positif serta 4073 tweet
untuk sentimen netral. berdasarkan hasil klasifikasi menggunakan Naive Bayes
dihasilkan nilai akurasi sebesar 94%, nilai recall sebesar 96%, serta nilai presisi
sebesar 95%. berdasarkan nilai akurasi, recall, dan presisi yang tinggi maka dapat
dikatakan klasifikasi tersebut benar. bisa juga dilihat dari nilai lain seperti
spesifisitas, FPR, serta AUC yang juga menghasilkan nilai yang besar. untuk nilai
AUC didapatkan hasil sebesar 94% yang artinya nilai sangat baik atau klasifikasi
dikatakan sangat baik.
Collections
- Statistics [901]