Analisis Sentimen Twitter dengan Klasifikasi Naïve Bayes menggunakan Seleksi Fitur Mutual Information dan Inverse Document Frequency

Abstract

Penelitian ini bertujuan untuk mengklasifikasi data tweet pada Twitter menjadi 3 sentimen yaitu positif, negatif, dan netral. Data yang digunakan dalam penelitian ini sebanyak 3195 yang terdiri atas 1065 tweet positif, 1065 tweet negatif, dan 1065 tweet netral. Data dibagi menjadi dua subset data yang terdiri atas 80% data latih dan 20% data uji. Data latih akan digunakan dalam tahapan seleksi fitur dengan melakukan 5 kali percobaan sementara data uji digunakan untuk melakukan pengujian terhadap sistem klasifikasi yang telah dibuat dengan menggunakan metode Multinomial Naïve Bayes. Penelitian ini menghasilkan nilai rata-rata akurasi sebesar 71.89% untuk seleksi fitur Mutual Information dan 60.67% untuk seleksi fitur Inverse Document Frequency. Adapun nilai rata-rata akurasi tiap sentimennya untuk Mutual Information dan Inverse Document Frequency masing-masing yaitu 65.07% dan 50.33% untuk sentimen positif, 69.86% dan 50.52% untuk sentiment negatif, 80.84% dan 80.75% untuk sentimen netral.