ANALISIS SENTIMEN TOKOH PUBLIK MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFICATION PADA APLIKASI TWITTER

Penulis

  • Yusran Timur Samuel Fakultas Teknologi Informasi, Universitas Advent Indonesia
  • Kevin Jeremy Manurip Fakultas Teknologi Informasi, Universitas Advent Indonesia

https://doi.org/10.36342/teika.v7i1.2218

Kata Kunci:

Analisis Sentimen, Naïve bayes, Naïve Bayesian Classification, Twitter

Abstrak

Media sosial telah menyediakan beragam informasi khususnya konten-konten yang bersifat subjektif atau merefleksikan opini dari orang yang menulis. Dewasa ini semakin banyak orang menyatakan pendapat atau opini mereka terhadap tokoh-tokoh masyarakat seperti pemimpin wilayah, pejabat, orang berpengaruh, dan sebagainya. Media sosial telah menyediakan beragam informasi khususnya konten-konten yang bersifat subjektif atau merefleksikan opini dari orang yang menulis.

Dewasa ini semakin banyak orang menyatakan pendapat atau opini mereka terhadap tokoh-tokoh masyarakat seperti pemimpin wilayah, pejabat, orang berpengaruh, dan sebagainya. Analisis sentimen pada aplikasi sosial media Twitter terdapat kelemahan dalam kata-kata yang terdapat pada kalimat yang diunggah oleh pengguna aplikasi tersebut. Dalam hal ini objek penelitian dilakukan kepada Ridwan Kamil dengan Sentimen Analisis dari rakyat. Berdasarkan penelitian yang dilakukan, maka didapatkan kesimpulan bahwa dari 59 data yang di training memiliki akurasi sebesar 81.3559 %, dan hasil yang didapat dari data testing adalah: 1. Terdapat 3 data yang benar-benar diklasifikasikan memiliki sentiment netral, 2.Terdapat 7 data yang diklasifikasikan benar-benar memiliki sentiment positif, 3. Dan terdapt 2 data yang benar-benar memiliki sentiment negatif.

Article Metrics

Unduhan

Data unduhan belum tersedia.

##submission.downloads##

Diterbitkan

2017-04-01

Cara Mengutip

Samuel, Y. T., & Manurip, K. J. (2017). ANALISIS SENTIMEN TOKOH PUBLIK MENGGUNAKAN METODE NAÏVE BAYESIAN CLASSIFICATION PADA APLIKASI TWITTER. TeIKa, 7(1), 78-85. https://doi.org/10.36342/teika.v7i1.2218

Terbitan

Bagian

Datamining

Artikel paling banyak dibaca berdasarkan penulis yang sama

> >>