Analisis Sentimen Tweet Terhadap Isu Pencalonan Presiden 2024 Menggunakan Algoritma Multivariate Bernoulli
Abstract
Di era teknologi media sosial yang semakin berkembang, informasi dapat tersebar dengan mudah sehingga mempengaruhi cara pandang dan gaya hidup masyarakat salah satunya yaitu Twitter. Pada twitter terdapat fitur trending topik yang bertujuan untuk membagikan informasi yang sedang diperbincangkan oleh banyak pengguna salah satunya yaitu tentang isu calon pemilihan Presiden. Isu pemilihan Presiden memicu opini publik dari berbagai masyarakat. Oleh sebab itu, penting untuk menganalisis sebuah tweet seputar isu-isu yang diutarakan masyarakat dengan menerapkan teknik analisis sentimen. Pada penelitian ini dalam pengolahan data menggunakan metode Multivariate Bernoulli. Tujuan dari penelitian ini yaitu mengetahui hasil akurasi, presisi dan recall serta mengetahui jumlah sentimen positif dan negatif. Hasil dari metode Multivariate Bernoulli menunjukkan bahwa algoritma Multivariate Bernoulli memiliki akurasi yang cukup tinggi dalam mengklasifikasikan sebuah analisis sentimen sehingga memperoleh akurasi tertinggi pada fold-3 langkah uji 2 dengan nilai 93.00 %, diikuti presisi dengan nilai tertinggi 91.67 % dan recall dengan nilai tertinggi 93.67 %. Serta jumlah data sentimen positif terdapat 78 data dan sentimen negatif terdapat 42 data.
Kata kunci : Twitter, Calon Presiden, Analisis Sentimen, Multivariate Bernoulli.
Full Text:
PDFReferences
Ashari, H., Arifianto, D., &Al Faruq, H. A.(2020). Perbandingan Kinerja Algoritma Multinominal Naive Bayes (MNB, Multivariate Bernoulli dan Rocchio Algortihm Dalam Klasifikasi Konten Berita Hoax Berbahasa Indonesia Pada Media Sosial. Http://Repository.Unmuhjember.Ac.Id, 1–12. Diakses pada 1 Februari 2023
Grandis, G. F., & Arumsari, Y. (2021). Seleksi Fitur Gain Ratio pada Analisis Sentimen Kebijakan Pemerintah Mengenai Pembelajaran Jarak Jauh dengan K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(8), 3507–3514. Diakses pada 9 Januari 2023
Kurniawan, A., & Waluyo, S. (2022). Penerapan Algoritma Naive Bayes Dalam Analisis Sentimen Pemindahan Ibukota Pada Twitter Application Of Naive Bayes Algorithm In Capital Movement Sentiment Analysis On Twitter. September, 455–461. Diakses pada 9 Januari 2023
Putri, A., & Muzakir, A. (2022). Analisis Sentimen Cyberbullying KPOP di Media Sosial Twitter Menggunakan Metode Naïve Bayes. https://jurnal.syntaxliterate.co.id/index.php/syntax-. Diakses pada 9 Januari 2023
Rahma, A. F., Agussalim, &Kartika, D. S. Y.(2021). Analisis Sentimen Hashtag Kuliner Di Indonesia Menggunakan Naive Bayes. Jurnal Informatika Dan Sistem Informasi, 2(1), 19–25. https://doi.org/10.33005/jifosi.v2i1.282. Diakses pada 9 Januari 2023
Rahmadhika, M. K., & Thantawi, A. M. (2021). Rancang Bangun Aplikasi Face Recognition Pada Pendekatan CRM Menggunakan Opencv Dan Algoritma Haarcascade. IKRA-ITH INFORMATIKA: Jurnal Komputer Dan Informatika, 5(1), 109–118. Diakses pada 9 Januari 2023
Rufaidha, N. F., & Irhandayaningsih, A. (2022). Perilaku Informasi Mahasiswa Fakultas Ilmu Budaya Universitas Diponegoro dalam Pemanfaatan Fitur Trending Topic Twitter Sebagai Pemenuhan Kebutuhan Informasi Abstrak. 6(4), 493–504.http://ejournal.undip.ac.id/index.php/anuva. Diakses pada 9 Januari 2023
Sitio, A., Sindar, A., Marbun, M., Tiara, D., & Aswin, A. (2022). Pengenalan Data Scientist Pada Peserta PKBM AL HABIB Melalui Belajar Dasar Coding Python. Jurnal Pengabdian Pada Masyarakat, 7(1), 194–200. https://doi.org/10.30653/002.202271.44. Diakses pada 9 Januari 2023
Suparyanto&Rosad. (2020). Deteksi Hoax Pada Berita Online Bahasa Inggris Menggunakan Bernoulli Naïve Bayes Dengan Ekstraksi Fitur TF-IDF.Journal syntax admiration,5(3), 248-253. https://jurnalsyntaxadmiration.com/index.php/jurnal/article/view/327. Diakses pada 9 Januari 2023
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.