Juniarsih, Sri
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi Juniarsih, Sri; Ripanti, Eva Faja; Pratama, Enda Esyudha
JUSTIN (Jurnal Sistem dan Teknologi Informasi) Vol 8, No 3 (2020)
Publisher : Jurusan Informatika Universitas Tanjungpura

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (814.309 KB) | DOI: 10.26418/justin.v8i3.39118

Abstract

Media sosial salah satunya Twitter dimanfaatkan sebagai sarana untuk lebih dekat dengan masyarakat. Hal tersebut dapat memberikan wawasan yang mendalam tentang apa yang masyarakat inginkan. Tujuan dari penelitian ini adalah menghasilkan mesin yang mampu mengklasifikasikan tweets masyarakat terkait kinerja presiden dalam aspek ekonomi ke dalam kelas positif dan negatif. Aspek utama (ekonomi) diturunkan menjadi parameter ekonomi Indonesia, lapangan pekerjaan dan rupiah. Text preprocessing yang digunakan yaitu cleaning, case folding, normalisasi, filtering, dan stemming. Penelitian ini menerapkan teknik scraping sebagai teknik pengumpulan data tweets, TF-IDF sebagai metode pembobotan kata, Naive Bayes Classifier sebagai algoritma pengklasifikasian, serta Confusion Matrix sebagai metode pengujian. Training data terdiri dari training data A yang berjumlah 600 dokumen dari data tweets, dan training data B yang berjumlah 158 dokumen yang disusun berdasarkan pola parameter + kata independen. Klasifikasi yang dilakukan oleh opinion mining machine secara keseluruhan (gabungan semua parameter) dapat dinyatakan sebagai Good Classification. Berdasarkan pengujian Skenario 1 (klasifikasi menggunakan training data A), mesin mampu mengklasifikasikan 540 testing data (gabungan semua parameter) dengan akurasi sebesar 87.96% dan running time 13 menit 18 detik. Berdasarkan pengujian Skenario 2 (klasifikasi menggunakan training data B), mesin mampu mengklasifikasikan testing data yang sama (gabungan semua parameter), dengan akurasi sebesar 88,70% dan running time 6 menit 34 detik. Berdasarkan hasil pengujian tersebut, maka dapat diketahui performa mesin lebih unggul ketika menggunakan training data B. Maka dari itu, dapat disimpulkan bahwa pola yang digunakan dalam penyusunan training data B dinyatakan berhasil dan cocok untuk penelitian ini. Kemudian berdasarkan hasil analisis pengujian yang menunjukkan persentase prediksi opini positif lebih tinggi, maka dapat disimpulkan tweets masyarakat terhadap kinerja presiden dalam aspek ekonomi didominasi oleh opini positif.