Text
Penerapan metode naive bayes untuk menentukan klasifikasi sentiment pada postingan twitter
Sentimen Analis bertujuan untuk memperoleh hasil penilaian masyarakat terhadap suatu produk atau layanan suatu perusahaan. Analisis sentimen merupakan suatu proses pengklasifikasian data ke dalam sentimen positif dan negatif. Secara umum klasifikasi teks terdiri atas praproses, seleksi fitur dan klasifikasi. Penelitian ini berfokus mengklasifikasikan tweet keluhan atau opini tentang produk atau layanan dari sebuah perusahaan menggunakan algoritma klasifikasi Naïve Bayes dengan seleksi fitur Bag Of Words (BOW). Tahapan penelitian yaitu Pengumpulan data melalui crawling, pelabelan data secara manual, praproses, klasifikasi dan evaluasi. Tahapan proses dilakukan menggunakan prototyping system menggunakan algoritma naïve bayes. Evaluasi terhadap model dihitung menggunakan confusion matrix dan cross validation untuk mengukur akurasi dan konsistensi pengklasifikasian data dengan melakukan proses pengklasifikasian dimulai dari preprocessing normalisasi tokenosasi menggunakan ngram lalu kemudian melalui tahap case folding dimana data yang diolah dijadikan huruf lowercase dan dilanjutkan dengan penghaspusan kata yang merupakan kata hubung dengan process stopword removal kemudian dilakukan convert negation sehingga mendapatkan hasil sentimen analisa untuk perusahaan Telkom indihome dengan akurasi sebesar 79,07 %, Precision Positive 77,87% dan Recall Negative 20,59 %. Sentimen analisa untuk perusahaan Tokopedia dengan akurasi sebesar 85,71 %, Precision Positive 84,21% dan Recall Negative 40 %. Sentimen analisa untuk perusahaan PLN dengan akurasi sebesar 87,50 %, Precision Positive 85,71% dan Recall Negative 50 %. Sentimen analisa untuk perusahaan Gojek Indonesia dengan akurasi sebesar 70,45 %, Precision Positive 70,45 % dan Recall Negative 28,59 %. Sentimen analisa untuk perusahaan Telkom indihome dengan akurasi sebesar 79,07 %, Precision Positive 77,87% dan Recall Negative 20,59 %.
Tidak tersedia versi lain