ANALISIS SENTIMEN MASYARAKAT TERHADAP PILPRES 2019 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER

UNIVERSITAS BINA DARMA, UNIVERSITAS BINA DARMA (2022) ANALISIS SENTIMEN MASYARAKAT TERHADAP PILPRES 2019 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. ANALISIS SENTIMEN MASYARAKAT TERHADAP PILPRES 2019 BERDASARKAN OPINI DARI TWITTER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER.

[img]
Preview
Text
Anika-Nurul-Zuhri OK HRIS.pdf

Download (1MB) | Preview
Official URL: https://www.binadarma.ac.id

Abstract

Twitter merupakan media sosial yang sedang populer saat ini, disini publik bebas berkomentar dan menulis apapun. Tidak jarang pubik berkomentar dengan kata – kata kasar bahkan ujaran kebencian. Pemilihan presiden 2019 menuai banyak komentar,ada yang memuji,mengkritik dan menghina.Untuk dapat menggali informasi dan melakukan klasifikasi sebuah teks diperlukan analisis sentimen. Dalam penelitian ini analisis sentimen merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas, yaitu kelas sentimen negatif dan positif. Data opini diperoleh dari jejaring sosial Twitter berupa tweet. Data yang digunakan berjumlah 3337 tweet terdiri dari 80% data latih dan 20% merupakan data training. Data latih merupakan data yang telah diketahui sentimennya. Penelitian ini bertujuan untuk menentukan tweet merupakan tweet positif atau negatif yang disampaikan di Twitter dalam Bahasa Indonesia. Pengklasifikasian data tweet menggunakan algoritma naïve bayes classifier. Hasil klasifikasi pada data uji menunjukkan,algoritma Naïve Bayes Classifier memberikan nilai akurasi sebesar71%. Untuk nilai akurasi tiap sentimennya yaitu 71% untuk sentimen negatif dan 70% untuk sentiment positif.

Item Type: Article
Subjects: H Social Sciences > H Social Sciences (General)
Divisions: Faculty of Law, Arts and Social Sciences > School of Social Sciences
Depositing User: Mr Edi Surya Negara
Date Deposited: 23 Jun 2022 02:07
Last Modified: 23 Jun 2022 02:07
URI: http://eprints.binadarma.ac.id/id/eprint/14694

Actions (login required)

View Item View Item