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.