Perbandingan Metode Naïve Bayes dan SVM dalam Analisis Sentimen Netizen Twitter Terhadap Isu Kemenkeu
A. Anugrah Aqsa(1*); Irawati Irawati(2); Lukman Syafie(3);
(1) Universitas Muslim Indonesia
(2) Universitas Muslim Indonesia
(3) Universitas Muslim Indonesia
(*) Corresponding Author
AbstractPada awal bulan Maret 2023 Menkopolhukan, Bapak Mahfud MD menyampaikan bahwasanya adanya dugaan transaksi yang mencurigakan yang terjadi di Kemenkeu berdasarkan dari laporan temuan PPATK kepada Mahfud MD, sontak hal tersebut menjadi sorotan di berbagai media sosial salah satunya Twitter, beragam tweet yang dilontarkan oleh netizen di Twitter, ada yang memberikan tweet positif, negatif, dan juga netral. Pada penelitian ini bertujuan untuk membandingkan metode Naïve Bayes dan SVM dalam analisis sentimen netizen Twitter terhadap isu Kemenkeu. Penelitian ini menunjukkan bahwa sentimen netizen didominasi dengan sentimen negatif kemudian diikuti sentimen positif, dan terakhir sentimen netral. Hasil pengujian klasifikasi terhadap kedua metode tersebut didapatkan dari membagi secara acak dataset menjadi dua bagian yaitu data latih dan data uji dengan rasio 70:30. Setelah dilakukan pengujian ditemukan bahwa Naïve Bayes mendapatkan nilai akurasi sebesar 71,7%, presisi sebesar 55,2%, recall sebesar 45,3%, dan f1-score sebesar 44,8%, sedangkan pada SVM mendapatkan nilai akurasi sebesar 74%, presisi sebesar 87,8%, recall sebesar 49,1%, dan f1-score sebesar 49,8%.
KeywordsAnalisis Sentimen; Kemenkeu; Naïve Bayes; SVM; Twitter
|
Full Text:PDF |
Article MetricsAbstract view: 59 timesPDF view: 6 times |
Digital Object Identifier https://doi.org/10.33096/busiti.v4i4.1824
|
Cite |
References
R. T. Aldisa and P. Maulana, “Analisis Sentimen Opini Masyarakat Terhadap Vaksinasi Booster COVID-19 Dengan Perbandingan Metode Naive Bayes, Decision Tree dan SVM,” Building of Informatics, Technology and Science (BITS), vol. 4, no. 1, pp. 106–109, Jun. 2022, doi: 10.47065/bits.v4i1.1581.
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 10, no. 1, Jan. 2022, doi: 10.23960/jitet.v10i1.2262.
M. Rangga, A. Nasution, and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” Jurnal Informatika, vol. 6, no. 2, pp. 212–218, 2019, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ji
P. Zalfa Salsabila, H. Pratikto, and A. Ririn Aristawati, “Kecemasan pada pengguna media sosial Twitter: Benarkah menyebabkan self-injury?,” INNER: Journal of Psychological Research, vol. 3, no. 1, pp. 117–127, 2023.
P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 8, no. 1, pp. 147–156, 2021, doi: 10.25126/jtiik.202183944.
H. Tuhuteru and U. Kristen Indonesia Maluku Jl Ot Pattimaipauw, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Information System Development (ISD), vol. 5, no. 2, pp. 7–13, 2020.
N. N. I. W. A. Astuti, I. M. A. D. Suarjaya, and I. M. S. Raharja, “Analisis Sentimen Masyarakat Terhadap Pelaksanaan Layanan Kesehatan Selama Masa Pandemi Di Indonesia Menggunakan Teknologi Big Data,” JITTER- Jurnal Ilmiah Teknologi dan Komputer, vol. 3, no. 2, 2022.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal Tekno Kompak, vol. 15, no. 1, pp. 131–145.
H. Sari, G. Leonarde Ginting, and T. Zebua, “Penerapan Algoritma Text Mining dan TF-IDF Untuk Pengelompokan Topik Skripsi Pada Aplikasi Repository STMIK Budi Darma,” TIN: Terapan Informatika Nusantara, vol. 2, no. 7, pp. 414–432, 2021, [Online]. Available: https://ejurnal.seminar-id.com/index.php/tin
D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Jurnal Sains Komputer & Informatika (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.
A. Rahman Isnain, A. Indra Sakti, D. Alita, and N. Satya Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” JDMSI, vol. 2, no. 1, pp. 31–37, 2021, [Online]. Available: https://t.co/NfhnfMjtXw
R. R. Adhitya, Wina Witanti, and Rezki Yuniarti, “Perbandingan Metode Cart Dan Naïve Bayes Untuk Klasifikasi Customer Churn,” Infotech Journal, vol. 9, no. 2, pp. 307–318, Jul. 2023, doi: 10.31949/infotech.v9i2.5641.
W. Winata, A. Zaidiah, and N. Chamidah, “Analisis Sentimen Pada Ulasan Produk Masker Di Marketplace Shopee Menggunakan Support Vector Machine Dan Seleksi Fitur Chi Square,” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), pp. 491–500, 2022.
A. Sabrani, I. W. Gede Putu Wirarama Wedashwara, and F. Bimantoro, “Metode Multinomial Naïve Bayes Untuk Klasifikasi Artikel Online Tentang Gempa Di Indonesia (Multinomial Naïve Bayes Method For Classification Of Online Article About Earthquake In Indonesia),” JTIKA, vol. 2, no. 1, 2020, [Online]. Available: http://jtika.if.unram.ac.id/index.php/JTIKA/
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Buletin Sistem Informasi dan Teknologi Islam (BUSITI)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.