Analisis Sentimen Opini Publik Mengenai Larangan Mudik pada Twitter Menggunakan Naïve Bayes

Tika Adilah Mutiara, Yuris Alkhalifi, Nissa Almira Mayangky, Windu Gata

Abstract


Aturan larangan mudik yang dikeluarkan oleh pemerintah di tengah pandemic virus corona (covid-19) saat ini menjadi topik yang sering diperbincangkan oleh masyarakat, salah satunya di twitter. Twitter merupakan salah satu media sosial yang seringkali digunakan untuk penyampaian pesan berupa pendapat atau opini masyarakat. Analisis sentimen adalah studi komputasional dari opini-opini orang. Analisis sentimen akan mengelompokkan teks yang ada dalam sebuah kalimat atau dokumen untuk mengetahui pendapat yang dikemukakan dalam kalimat atau dokumen tersebut. Penelitian ini mencoba untuk menganalisa opini masyarakat mengenai aturan larangan mudik dengan mengklasifikasikan opini kedalam 2 sentimen yaitu positif atau negatif. Klasifikasi dilakukan dengan menggunakan metode Naïve Bayes Clasifiers. Metode Naive Bayes Classifiers merupakan salah satu metode klasifikasi teks berdasarkan probabilitas kata kunci dalam membandingkan dokumen latih dan dokumen uji. Hasil pengujian pada tools RapidMiner memperlihatkan bahwa akurasi dengan  fitur TF-IDF memberikan hasil akurasi yang  baik. Metode Naïve Bayes Classifier dapat menghasilkan akurasi yang tingga yaitu 83,38%. secara keseluruhan penggunaan metode  Naive Bayes memiliki performansi yang cukup baik untuk melakukan klasifikasi tweet.

Full Text:

PDF

References


R. R. Ramli, “Berlaku Hari Ini, Simak Fakta-fakta Soal Larangan Mudik Lebaran.”

B. Pratama et al., “Sentiment Analysis of the Indonesian Police Mobile Brigade Corps Based on Twitter Posts Using the SVM and NB Methods,” J. Phys. Conf. Ser., vol. 1201, no. 1, pp. 0–12, 2019.

Kompas.com, “Pengguna Aktif Harian Twitter Indonesia Diklaim Terbanyak,” 2019.

W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017.

Yislam and I. Budi, “Analisis Sentimen Masyarakat Terhadap Pemerintahan Jokowi Menggunakan Data Twitter,” no. October, 2016.

R. Y. Hayuningtyas and R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,” J. Techno Nusa Mandiri, vol. 16, no. 1, pp. 37–42, 2019.

L. Wilianto, T. H. Pudjiantoro, and F. R. Umbara, “ANALISIS SENTIMEN TERHADAP TEMPAT WISATA DARI KOMENTAR PENGUNJUNG DENGAN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER STUDI KASUS JAWA BARAT,” pp. 439–448, 2017.

D. Xhemali, C. J. Hinde, and R. G. Stone, “IJCSI IJCSI Naïve Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages,” IJCSI Int. J. Comput. Sci. Issues, vol. 4, no. 1, pp. 16–23, 2009.

S. A. Aaputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain, “Sentiment Analysis Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 377–382, 2019.

Siswanto, Y. P. Wibawa, W. Gata, G. Gata, and N. Kusumawardhani, “Classification Analysis of MotoGP Comments on Media Social Twitter Using Algorithm Support Vector Machine and Naive Bayes,” Proc. ICAITI 2018 - 1st Int. Conf. Appl. Inf. Technol. Innov. Towar. A New Paradig. Des. Assist. Technol. Smart Home Care, pp. 96–101, 2018.




DOI: http://dx.doi.org/10.24014/coreit.v6i2.9727

Refbacks

  • There are currently no refbacks.


Bookmark and Share


Creative Commons License  site stats  
Jurnal CoreIT by http://ejournal.uin-suska.ac.id/index.php/coreit/ is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.