EKSTRAKSI OPINI TOKOH PUBLIK BERDASARKAN ANALISIS SENTIMENT DATA TWITTER MENGGUNAKAN NAÏVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION
| Main Author: | Nuraini, Lia |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://eprints.umm.ac.id/45768/1/PENDAHULUAN.pdf http://eprints.umm.ac.id/45768/2/BAB%20I.pdf http://eprints.umm.ac.id/45768/3/BAB%20II.pdf http://eprints.umm.ac.id/45768/4/BAB%20III.pdf http://eprints.umm.ac.id/45768/5/BAB%20IV.pdf http://eprints.umm.ac.id/45768/6/BAB%20V.pdf http://eprints.umm.ac.id/45768/ |
Daftar Isi:
- Twitter merupakan layanan microblogging dan media jejaring sosial yang dapat menghasilkan informasi sebagai sentiment dari pengguna yang membahas tentang beberapa tokoh publik yang terkait dengan pilkada DKI Jakarta tahun 2017 lalu. Sentiment analisis dari tokoh publik tersebut dapat menafsirkan opini masyarakat menjadi positif maupun negatif. Pengklasifikasian Naïve Bayes merupakan metode klasifikasi yang popular karena sangat sederhana, efisien dan memiliki performa yang baik pada banyak domain. Namun, Naïve Bayes memiliki kekurangan yaitu sangat sensitive pada fitur yang terlalu banyak, yang mengakibatkan akurasi menjadi rendah. Oleh karena itu, pada penelitian ini digunakan metode pemilihan fitur yaitu algoritma Particle Swarm Optimization untuk bisa meningkatkan hasil akurasi dari klasifikasi Naïve Bayes. Dataset yang digunakan adalah tweet berbahasa Indonesia dengan kata kunci AHY, Sylvi, Ahok, Djarot, Anies, dan Sandi sebanyak 1800 tweet. Hasil dari penelitian ini menunjukkan peningkatan akurasi Naïve Bayes dari 87.75% menjadi 89.44%.