Analisis Sentimen Menggunakan Naive Bayes pada Data Twitter Bahasa Indonesia.

Abstract

Penelitian ini mengklasifikasi analisis sentimen dalam 3 jenis yaitu positif, negatif, dan netral pada data Twitter Bahasa Indonesia yang terkait dengan Institut Pertanian Bogor, IPB, dan Bogor Agricultural University menggunakan metode klasifikasi Naive Bayes. Klasifikasi analisis pada penelitian ini bertujuan untuk mengetahui isu tertentu dan melakukan perbandingan hasil akurasi antara metode klasifikasi Multinomial Naive Bayes dan metode klasifikasi Bernoulli Naïve Bayes. Hasil klasifikasi yang diperoleh dari penelitian ini sebesar 73.84% untuk metode klasifikasi Multinomial Naïve Bayes dan 74.77% untuk metode klasifikasi Bernoulli Naïve Bayes. Adanya peningkatan hasil akurasi dari penelitian sebelumnya sebesar 7.42% untuk metode klasifikasi Multinomial Naïve Bayes dan 3.68% untuk metode klasifikasi Bernoulli Naïve Bayes, peningkatan yang terjadi dikarenakan penggunaan pemilihan fitur Tf-idf dalam penelitian ini. Pemilihan fitur Tf-idf memiliki peran untuk menambah akurasi dari klasifikasi.