Analisis sentimen data twitter menggunakan naive bayes dengan negation handling pada data twitter bahasa Indonesia

Abstract

Penelitian ini melakukan klasifikasi sentimen dalam 3 jenis yaitu positif, negatif dan netral menggunakan metode klasifikasi Multinomial Naïve Bayes. Analisis sentimen dalam penelitian ini menggunakan data Twitter Bahasa Indonesia dengan data seimbang. Negation Handling memiliki peran untuk menambah akurasi dari klasifikasi. Penelitian awal menunjukkan hasil akurasi Naïve Bayes sebesar 71.07% dan dengan menggunakan Negation handling sebesar 71.48%. Ini menunjukkan bahwa dengan Negation Handling terjadi peningkatkan akurasi sebesar 0.41%. Hasil akurasi belum menunjukkan hasil yang baik, maka dilakukan pelabelan ulang dengan dengan bantuan clustering untuk melihat pengelompokan datanya. Setelah mengalami pelabelan ulang, akurasi yang didapatkan dengan Naïve Bayes adalah sebesar 90.07% dan dengan menggunakan Negation Handling sebesar 92.71%. Negation Handling meningkatkan akurasi sebesar 2.64%.