Implementasi Metode Naïve Bayes untuk Analisis Sentimen Warga Jakarta Terhadap

Penulis

  • Sarika Afrizal Universitas Pembangunan Nasional Veteran Jakarta
  • Helena Nurramdhani Irmanda Universitas Pembangunan Nasional Veteran Jakarta
  • Noor Falih Universitas Pembangunan Nasional Veteran Jakarta
  • Ika Nurlaili Isnainiyah Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v15i3.1454

Kata Kunci:

transportasi umum, MRT, Jakarta, Analisis Sentimen, Twitter

Abstrak

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

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.

Unduhan

Diterbitkan

2020-08-17

Terbitan

Vol 15 No 3 (2019): Desember 2019

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).