Analisis Sentimen Masyarakat Terhadap Isu Pecat Sri Mulyani Pada Twitter Menggunakan Metode Naive Bayes Dan Support Vector Machine

Safira  Berliani; Sri  Lestari

doi:10.55338/saintek.v5i3.2746

Authors

Safira Berliani, Sekolah Tinggi Ilmu Komputer Cipta Karya informatika, Indonesia
Sri Lestari, Sekolah Tinggi Ilmu Komputer Cipta Karya informatika, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i3.2746

Keywords:

Sentimen, Twiiter, Pecat, Naive Bayes, Support Vector Machine Rapidminer

Abstract

Penelitian ini dilakukan untuk mengetahui pendapat masyarakat terhadap Isu Pecat Sri Mulyani pada media sosial Twitter. Salah satu algoritma yang dapat digunakan untuk melakukan analisis sentimen adalah Naïve Bayes dan Support Vector Machine (SVM), bertujuan Mengetahui Klasifikasi dan Nilai Akurasi Tanggapan masyarakat dengan sisi Positif dan Negatif. Sentimen Analisis yang dilakukan dengan Perbandingan Metode Naïve Bayes dan Support Vector Machine menggunakan datalatih sebanyak 1958 tagar Pecat Sri Mulyani di media sosial Twitter. Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu Pecat Sri Mulyani stop bayar pajak berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesari 95.13%. Dari 596 data uji, terprediksi sebesar 254 data sebagai Sentimen Negatif dan 342 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 596 data terprediksi Negatif dan 2 data yang terprediksi Positif dan Metode Naïve bayes menunjukkan nilai akurasi sebesari 96.14%. Dari 596 data uji, terprediksi sebesar 296 data sebagai Sentimen Negatif dan 302 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 596 data terprediksi Negatif dan 2 data yang terprediksi Positif.

Downloads

Download data is not yet available.

References

F. Salsabila et al., PERANG OPINI DI MEDIA SOSIAL TIM PENULIS.

C. F. Hasri and D. Alita, “PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP DAMPAK VIRUS CORONA DI TWITTER,” Jurnal Informatika dan Rekayasa Perangkat Lunak (JATIKA), vol. 3, no. 2, pp. 145–160, 2022, [Online]. Available: http://jim.teknokrat.ac.id/index.php/informatika

E. Indrayuni, “KOMPARASI ALGORITMA NAIVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISA SENTIMEN REVIEW FILM,” vol. 14, no. 2, p. 175, 2018, [Online]. Available: http://www.bsi.ac.id

A. Ariansyah and M. Kusmira, “ANALISIS SENTIMEN PENGARUH PEMBELAJARAN DARING TERHADAP MOTIVASI BELAJAR DI MASA PANDEMI MENGGUNAKAN NAIVE BAYES DAN SVM,” Faktor Exacta, vol. 14, no. 3, p. 100, Oct. 2021, doi: 10.30998/faktorexacta.v14i3.10325.

M. R. Fahlevvi, “Analisis Sentimen Terhadap Ulasan Aplikasi Pejabat Pengelola Informasi dan Dokumentasi Kementerian Dalam Negeri Republik Indonesia di Google Playstore Menggunakan Metode Support Vector Machine,” Jurnal Teknologi dan Komunikasi Pemerintahan, vol. 4, no. 1, pp. 1–13, 2022, [Online]. Available: http://ejournal.ipdn.ac.id/JTKP,

E. B. Susanto, Paminto Agung Christianto, Mohammad Reza Maulana, and Sattriedi Wahyu Binabar, “Analisis Kinerja Algoritma Naïve Bayes Pada Dataset Sentimen Masyarakat Aplikasi NEWSAKPOLE Samsat Jawa Tengah,” Jurnal CoSciTech (Computer Science and Information Technology), vol. 3, no. 3, pp. 234–241, Dec. 2022, doi: 10.37859/coscitech.v3i3.4343.

H. Setiawan, E. Utami, and S. Sudarmawan, “Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan Naive Bayes,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 43–51, Jul. 2021, doi: 10.31603/komtika.v5i1.5189.

M. I. Petiwi, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” JURNAL MEDIA INFORMATIKA BUDIDARMA, vol. 6, no. 1, p. 542, Jan. 2022, doi: 10.30865/mib.v6i1.3530.

N. Herlinawati et al., “ANALISIS SENTIMEN ZOOM CLOUD MEETINGS DI PLAY STORE MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE,” 2020.

H. Herlawati, R. T. Handayanto, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 2, pp. 153–163, Nov. 2021, doi: 10.31603/komtika.v5i2.6280.

D. Rusdiaman and D. Rosiyadi, “ANALISA SENTIMEN TERHADAP TOKOH PUBLIK MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE,” 2019.

A. Noviriandini, H. Hermanto, and Y. Yudhistira, “Klasifikasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Analisa Sentimen Pengguna Aplikasi Pedulilindungi,” JIKA (Jurnal Informatika), vol. 6, no. 1, p. 50, 2022, doi: 10.31000/jika.v6i1.5681.

F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id

R. Syahputra, G. J. Yanris, and D. Irmayani, “SVM and Naïve Bayes Algorithm Comparison for User Sentiment Analysis on Twitter,” Sinkron, vol. 7, no. 2, pp. 671–678, 2022, doi: 10.33395/sinkron.v7i2.11430.

P. Astuti and N. Nuris, “Penerapan Algoritma KNN Pada Analisis Sentimen Review Aplikasi Peduli Lindungi,” Computer Science (CO-SCIENCE), vol. 2, no. 2, pp. 137–142, 2022, doi: 10.31294/coscience.v2i2.1258.