Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier

Arsi, Primandani; Kusuma, Bagus Adhi; Nurhakim, Azizan

doi:10.26877/jiu.v7i1.7636

Cited by 7 publications

(7 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Misalnya, seorang pengguna memberikan rating yang tinggi (skala 5 dalam rentang [1][2][3][4][5] untuk suatu produk, tetapi dalam ulasannya mereka mengungkapkan ketidakpuasan atau keluhan tertentu. Sebaliknya, pengguna juga dapat memberikan rating rendah (skala 1 dalam rentang 1-5) tetapi ulasannya sangat positif dan memuji produk tersebut.…”

Section: Pendahuluanunclassified

Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning

Prasetyo,

Fahrurozi

2023

infokom

View full text Add to dashboard Cite

Fitur Google Review memungkinkan pelanggan untuk mem-posting ulasan maupun rating secara publik mengenai pengalaman mereka dengan layanan serta produk sebuah bisnis. Ketika seorang pengguna memberikan rating tertentu, umumnya diasumsikan bahwa rating tersebut mencerminkan sentimen atau pendapat mereka tentang produk atau layanan tersebut. Terkadang ulasan yang disertakan oleh pengguna dapat menunjukkan sentimen yang bertentangan dengan rating yang diberikan. Salah satu ulasan yang memiliki cukup banyak kontradiksi antara rating dan sentimen review adalah ulasan pada hotel Gran Mahakam yang berlokasi di Jakarta. Dalam melakukan analisis sentimen ada beberapa metode yang dapat digunakan, antara lain SVM (Support Vector Machine) dan Naïve Bayes Classifier (NBC). Penelitian ini bertujuan untuk membangun model analisis sentimen pada ulasan hotel Gran Mahakam menggunakan pendekatan machine learning sebagai perbandingan untuk mengetahui polaritas sentimen dan kecenderungan opini konsumen. Hasil dari penelitian ini menghasilkan nilai dari evaluasi model kerja yaitu akurasi sebesar 92% pada algoritma SVM, dan 90% pada NBC. Lebih lanjut, penelitian ini menemukan kasus dimana NBC memiliki nilai Precision yang tidak terdefinisi, karena gagal memprediksi satu pun label senitmen negatif. Hal ini diduga karena karakteristik dataset ulasan yang merupakan imbalanced dataset. Dapat disimpulkan secara keseluruhan model yang dibangun menggunakan SVM memiliki performa yang lebih baik dari model menggunakan NBC, dalam kasus analisa sentimen pada ulasan hotel Gran Mahakam di Google Review.

show abstract

Section: Pendahuluanunclassified

Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning

Prasetyo,

Fahrurozi

2023

infokom

View full text Add to dashboard Cite

show abstract

“…Analisis sentimen dilakukan untuk melihat pendapat atau kecenderungan tanggapan terhadap sebuah masalah salah satunya bagaimana menentukan suatu tweet bersentimen positif, negatif atau netral (Ardiani et al, 2020). Dalam analisis sentimen terdapat tiga level yaitu level dokumen diekspresikan dalam Jurnal JSRCS 3 (1): 109 -122 (Mei 2022) positif, negatif atau kelas pendapat, level kalimat diekspresikan dengan subjek atau objek dalam kalimat menjadi positif atau negatif, dan level aspek memiliki entitas di atas level kalimat seperti paragraf (Arsi et al, 2021). Setiap tweet merupakan pendapat masyarakat tidak mengandung makna yang selaras, sehingga perlu dilakukan analisis di Twitter mengenai Covid-19 dengan klasifikasi positif dan negatif.…”

Section: Sentimen Analisisunclassified

Analisis Sentimen Masyarakat Terhadap Kebijakan Pemerintah Selama Pandemi Covid-19 Menggunakan Algoritma Naïve Bayes

Emeraldi¹,

Ekawati²,

Sumadyo³

2022

JSRCS

View full text Add to dashboard Cite

The increase in data is very large, one of the sources comes from social media, especially Twitter which talks a lot about Covid-19 . The news through Twitter media regarding the impact of the Covid-19 virus is widely discussed because it causes unrest for the public which has led to the issuance of various government policies with the aim of preventing the spread of Covid-19 . Related to this, it is necessary to conduct a sentiment analysis of the text contained in the Twitter media. In this study, a sentiment analysis process was carried out related to public sentiment towards government policies during the Covid-19 pandemic in Indonesia on Twitter social media using the Naive Bayes Classifier method where the data used was classified into 2 sentiment values, namely positive and negative sentiment. The data used are 300 positive tweets data and 300 negative tweets data, where 80% of the total data is used as training data and 20% data is used as test data. Based on the test results, the data with a total of 120 tweets obtained the results of measuring the recall value of 93.33%, precision 93.33%, F-Score 93.33% and an average accuracy of 93.33%. Keywords: Covid-19 , naive bayes classification, sentiment analysis. Abstrak Pertambahan data yang sangat banyak, salah satu sumbernya berasal dari media sosial khususnya Twitter yang banyak membahas Covid-19 . Pemberitaan melalui media Twitter mengenai dampak dari virus Covid-19 marak dibicarakan karena menimbulkan keresahan bagi masyarakat yang menyebabkan dikeluarkannya berbagai kebijakan pemerintah dengan tujuan untuk mencegah penyebaran Covid-19 . Terkait hal tersebut perlu dilakukan sentimen analisis terhadap teks yang terdapat pada media Twitter. Pada penelitian ini, dilakukan proses sentimen analisis terkait sentimen masyarakat terhadap kebijakan pemerintah selama pandemi Covid-19 di Indonesia pada sosial media Twitter dengan menggunakan metode Naive Bayes Classifier dimana data yang digunakan digolongkan menjadi 2 nilai sentimen yaitu sentimen positif dan negatif. Data yang digunakan sebanyak 300 data tweets positif dan 300 data tweets negatif, dimana 80% dari keseluruhan data digunakan sebagai data latih dan 20% data digunakan sebagai data uji. Berdasarkan hasil pengujian, data dengan jumlah sebanyak 120 tweet diperoleh hasil pengukuran nilai recall 93.33%, precission 93.33%, F-Score 93.33% serta rata-rata akurasi 93.33%. Kata kunci: analisis sentimen, Covid-19 , klasifikasi naive bayes.

show abstract

“…Penelitian terkait dengan SVM sering kali akurasi yang didapatkan termasuk tinggi yaitu akurasi 90% keatas [23][27] [28][29]. Kemudian NBC juga memiliki akurasi yang cukup tinggi juga yaitu diatas 90% [30][31] [32]. Alasan digunakan kedua metode ini adalah akurasi yang cukup tinggi dari penelitian sebelumnya.…”

Section: A Pendahuluanunclassified

Analisis Pilkada Medan pada Sosial Media Menggunakan Analisis Sentimen dan Social Network Analyisis

Anam¹,

Firdaus

Fitri³

et al. 2022

ijcs

View full text Add to dashboard Cite

The simultaneous regional head elections were over, but during the campaign until it was decided to become regional head there were many comments, both pro and contra. The city of Medan is one of the regions that will hold the 2020 ELECTION during the pandemic. The Medan City Election has decided that the pair Bobby Nasution and Aulia Rachman have won. This victory certainly gets a variety of comments on social media, especially Twitter. This study conducts sentiment analysis to see the sentiment that occurs, namely seeing negative, positive, or neutral comments. This sentiment analysis uses two methods to see the resulting accuracy, namely Support Vector Machine (SVM) and Naïve Bayes Classifier (NBC). This study also looks at the interactions that occur using Social Network Analysis (SNA). In addition to sentiment analysis and SNA, this study also looks at the existence of BOT accounts used in the #PilkadaMedan. The results obtained from the sentiment analysis show that NBC has the highest accuracy, which is 81, 72% with a data proportion of 90:10. Then on SNA, the @YanHarahap account got the highest nodes, namely 911 nodes. Then from 10326 tweets, 11% were suspected of being BOT by the DroneEmprit Academic system.

show abstract

Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier

Cited by 7 publications

References 16 publications

Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning

Analisa Sentimen Pada Ulasan Google Untuk Hotel Gran Mahakam Jakarta Menggunakan Pendekatan Machine Learning

Analisis Sentimen Masyarakat Terhadap Kebijakan Pemerintah Selama Pandemi Covid-19 Menggunakan Algoritma Naïve Bayes

Analisis Pilkada Medan pada Sosial Media Menggunakan Analisis Sentimen dan Social Network Analyisis

Contact Info

Product

Resources

About