Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap

Sarika Afrizal, Helena Nurramdhani Irmanda, Noor Falih, Ika Nurlaili Isnainiyah

Sari


Kegiatan riset ini bertujuan untuk menganalisis animo masyarakat Indonesia khususnya warga Jakarta atas munculnya transportasi massa umum MRT yang di resmikan oleh Pemerintah di bulan Maret 2019. Tahapan penelitian diawali proses crawling tweet dengan menggunakan tweetscrapper dari python. Kemudian dilakukan Preprocessing sehingga didapatkan data tweet yang siap untuk diproses pada pemisahan data yaitu data training dan data testing. Data training dilakukan proses pembobotan dengan TF-IDF, dan proses pembelajaran dengan naive bayes. Proses ini disebut dengan proses training yang bertujuan untuk menghasilkan model klasfikasi. Model klasifikasi digunakan untuk data testing melakukan proses klasifikasi yang menghasilkan label sentimen (positif/negatif). Proses ini dinamakan dengan proses testing. Hasil testing akan dilakukan perhitungan akurasi dari model yang sudah dibuat. Luaran dari penelitian ini berupa analisis sentimen animo warga Jakarta pada media sosial Twitter terhadap kehadiran layanan transportasi publik MRT, dan akurasi yang dihasilkan oleh metode naïve bayes yang diimplementasikan pada analisis sentimen

Kata Kunci


transportasi umum, MRT, Jakarta, Analisis Sentimen, Twitter

Teks Lengkap:

PDF

Referensi


Akbarisanto, R., Danar, W., & Purwarianti, A. (2016). Analyzing Bandung Public Mood Using Twitter Data, 4(c).

Mccallum, A., & Nigam, K. (1997). A Comparison of Event Models for Naive Bayes Text Classification.

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications : A survey. Ain Shams Engineering Journal, 5(4), 1093–1113. https://doi.org/10.1016/j.asej.2014.04.011

https://thenextweb.com/asia/2016/07/01/study-shows-37-of-tweets-originate-from-asiais-that-right/, 2016. Study shows 37% of tweets originate from Asia. Is that right?

[diakses tanggal 24 januari 2019]

Avanco, L. V., & Nunes, M. G. (2014). Lexicon-based Sentiment Analysis for Reviews of Products in Bazillian Portuguese. Brazillian Conference on Intelligent System, 277-281.

Symeonidis, S., Effrosynidis, D., & Arampatzis, A. (2018). A comparative evaluation of pre-processing techniques and their interactions for Twitter sentiment analysis.

Expert Systems With Applications, 110, 298–310. https://doi.org/10.1016/j.eswa.2018.06.022

Pratama, I. D. (2017). Bahasa Komplain di Media Sosial Twitter. Transformatika: Jurnal Bahasa, Sastra, dan Pengajarannya, 1(1), 35-56.

https://apjii.or.id/survei2017, 2018. Penetrasi & perilaku pengguna internet Indonesia [diakses tanggal 24 januari 2019]

A.Jabbar Alkubaisi, G. A., Kamaruddin, S. S., & Husni, H. (2018). Stock Market

Classification Model Using Sentiment Analysis on Twitter Based on Hybrid Naive Bayes Classifiers. Computer and Information Science, 11(1), 52. https://doi.org/10.5539/cis.v11n1p52

Kunal, S., Saha, A., Varma, A., & Tiwari, V. (2018). Textual Dissection of Live Twitter Reviews using Naive Bayes. Procedia Computer Science, 132(Iccids), 307– 313. https://doi.org/10.1016/j.procs.2018.05.182.

Clark, E. M., James, T., Jones, C. A., Alapati, A., Ukandu, P., Danforth, C. M., & Dodds, P. S. (2018). A Sentiment Analysis of Breast Cancer Treatment Experiences and Healthcare Perceptions Across Twitter. Retrieved from http://arxiv.org/abs/1805.09959.

Adinugroho, S., & Sari, Y. A. (2018). Implementasi Data Mining Menggunakan Weka. Universitas Brawijaya Press.


Article Metrics

Sari view : 146 times
PDF - 225 times

Refbacks



Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

ISSN : 2655-139X (ONLINE)

ISSN : 0216-4221 (PRINT)

Jurusan Informatika, Fakultas Ilmu Komputer Universitas Pembangunan Nasional Veteran Jakarta

e-mail: informatik@upnvj.ac.id