Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes

Abstract

Toxic comments are comments made by social media users that contain expressions of hatred, condescension, threatening, and insulting. Social media users who are on average still teenagers with a nature that still cannot be controlled completely becomes a matter of great concern when they comment, their comments can be studied as text processing. Sentiment analysis can be used as a solution to identifying toxic comments by dividing them into two classifications. Where the data used amounted to 1,500 taken from social media Facebook in the private group Arena of Valor community. The dataset is divided into 2 classes: toxic and non-toxic. This research uses Naive Bayes with TF-IDF transformation and Information Gain feature selection and use distribution ratio 80:20. It will be compared the results of the evaluation where Naive Bayes without transformation, using TF-IDF transformation, and TF-IDF using Information Gain feature selection. The results of the comparison of evaluations from confusion matrix that have been carried out obtained the best classification model is to use the ratio of training and testing data 80:20 with TF-IDF transformation resulting in an accuracy of 75%, precision of 63%, recall of 67%, and F-measure of 64%.

Analisis Sentimen Masyarakat Dengan Metode Naïve Bayes dan Particle Swarm Optimization

“…Tahapan pada text mining terdiri dari teks, pengolahan teks (tokenisasi), perubahan teks (stemming), pemilihan teks (filtering), data mining (pattern discovery), dan evaluasi [9]. Preprocessing adalah tahap penghapusan teks yang tidak dibutuhkan dan tidak digunakan pada saat proses klasifikasi teks [10]. Preprocessing dilakukan bertujuan untuk memperbaiki data yang sebelumnya tidak tersetruktur menjadi data yang terstruktur, tujuannya untuk dapat mempermudah dan mempercepat pemrosesan data [11].…”

“…Penelitian yang dilakukan oleh Renaldy Permana Sidiq, Budi Arif Dermawan, & Yunun Umaidah [10] yang berjudul "Sentimen Analisis Komentar Toxic pada Grup Facebook Game Online Menggunakan Klasifikasi Naïve Bayes", penelitian ini membahas tentang analisis komentar toxic pada grup facebook game online arena of valor. Tujuan dari penelitian ini untuk melakukan klasifikasi sentiment toxic, dan non-toxic terhadap data uji, dan juga membandingkan akurasi klasifikasi menggunakan metode Naïve Bayes dengan transformasi TF-IDF, tanpa TF-IDF dan seleksi fitur Information Gain serta menggunakan rasio pembagian data 80:20.…”

Pebandingan Performa Naïve Bayes dan KNN pada Klasifikasi Teks Sentimen Jasa Ekspedisi

“…Dataset yang belum tersturktur hasil dari scraping web twitter perlu dilakukan pra-pemrosesan untuk mengeliminasi redudansi data dan kata yang tidak diperlukan. Pra-pemrosesan teks bertujuan untuk mengeliminasi data duplikasi dan memperbaiki data yang tidak konsisten [10]. Beberapa tahapan yang perlu dilakukan pada pra-pemrosesan teks seperti case folding, pembersihan data, tokenisasi, normalisasi, stopword removal, dan stemming.…”

Model Prediksi Kelulusan Mahasiswa Tepat Waktu dengan Metode Naïve Bayes

“…Riset dengan metode klasifikasi naïve bayes juga tidak kalah banyak yang menerapkannya. Seperti, Sidiq et al, (2020) yang menggunakan metode klasifikasi naïve bayes untuk menganalisis sintemen dari komentar toxic para netizen di ruang grup facebook game online. Dalam keterangan riset mereka menyimpulkan bahwa kinerja metode menghasilkan akurasi 75%.…”