Publisher

IOINFORMATICIOINFORMATIC

Journal JUKI : Jurnal Komputer dan InformatikaJUKI : Jurnal Komputer dan Informatika Abstract

Twitter adalah salah satu jejaring sosial terpopuler di Indonesia, dengan 18,45 juta pengguna aktif pada tahun 2022. Politisi berpengaruh Puan Maharani menjadi topik hangat di pesta ulang tahunnya di tengah protes harga bahan bakar. Analisis sentimen dapat membantu memahami keseluruhan sentimen yang diungkapkan di Twitter tentang Puan Maharani. Dua jenis dataset yang digunakan dalam penelitian ini, yaitu dataset tidak seimbang (9000 tweet: 7800 positif, 1200 negatif) dan dataset seimbang (2400 tweet: 1200 positif, 1200 negatif). Metode Naive Bayes classifier digunakan untuk klasifikasi sentimen, meliputi pengumpulan data, pelabelan, preprocessing, pembobotan TF-IDF, seleksi fitur, pembagian data, klasifikasi Naive Bayes, dan evaluasi dengan confusion matrix. Data dibagi dengan rasio 70:30, 80:20 dan 90:10 untuk data latih serta data uji. Feature selection menggunakan threshold 0,001. Merujuk hasil penelitian yang dilaksanakan, bisa disimpulkan bahwsanya analisis sentimen dapat menjadi alat yang efektif untuk memahami pendapat masyarakat khususnya netizen di platform Twitter terkait dengan persepsi terhadap Puan Maharani. Nilai akurasi tertinggi dari dataset tidak seimbang didapatkan yaitu sebesar 88.89% pada rasio pembagian data latih dan data uji 90:10 serta akurasi tertinggi dari dataset seimbang sebesar 81.0% pada rasio pembagian data 90:10.

Conclusion

Analisis sentimen terbukti efektif untuk memahami persepsi masyarakat terhadap Puan Maharani di Twitter, dengan akurasi tertinggi 88,89% pada dataset tidak seimbang dan 81,0% pada dataset seimbang dengan rasio 90.Namun, pada data tidak seimbang, classifier Naive Bayes cenderung bias ke kelas mayoritas positif, menghasilkan kesalahan pada tweet negatif.Penelitian selanjutnya harus mengeksplorasi teknik mitigasi bias, seperti penyeimbangan kelas atau model klasifikasi yang lebih kompleks.

Future Research

Penelitian selanjutnya dapat menguji secara sistematis bagaimana penerapan teknik oversampling dan undersampling, seperti SMOTE, ADASYN, atau Random Under‑Sampling, mempengaruhi kinerja Naïve Bayes dalam mengatasi ketidakseimbangan kelas pada data tweet politik, serta mengukur dampaknya terhadap akurasi, precision, dan recall. Selanjutnya, perlu dilakukan perbandingan menyeluruh antara model pembelajaran mendalam, misalnya LSTM, BERT, atau RoBERTa, dengan Naïve Bayes untuk menilai apakah pendekatan deep learning dapat meningkatkan akurasi serta mengurangi bias pada dataset yang tidak seimbang, terutama dalam mengidentifikasi tweet negatif. Selain itu, dapat dikembangkan metode ensemble yang menggabungkan Naïve Bayes dengan classifier lain seperti Support Vector Machine, Random Forest, atau Gradient Boosting, dengan tujuan menciptakan sistem klasifikasi yang lebih robust dan mampu menyeimbangkan prediksi antara kelas positif dan negatif secara konsisten. Ketiga arah penelitian ini diharapkan memberikan wawasan lebih mendalam tentang strategi peningkatan akurasi analisis sentimen pada topik politik di Twitter, serta menyediakan solusi praktis bagi peneliti yang menghadapi data tidak seimbang.

References

1. Penanganan Negasi dalam Analisa Sentimen Bahasa Indonesia | JUSIFOR : Jurnal Sistem Informasi dan Informatika.... ejournal.uniramalang.ac.id/index.php/jusifor/article/view/1276Penanganan Negasi dalam Analisa Sentimen Bahasa Indonesia JUSIFOR Jurnal Sistem Informasi dan Informatika ejournal uniramalang ac index php jusifor article view 1276
2. Implementasi Naive Bayes pada Analisis Sentimen Opini Masyarakat di Twitter Terhadap Kondisi New Normal... doi.org/10.24002/konstelasi.v2i1.5609Implementasi Naive Bayes pada Analisis Sentimen Opini Masyarakat di Twitter Terhadap Kondisi New Normal doi 10 24002 konstelasi v2i1 5609
3. Jurnal Ilmiah Informatika (JIF). analisis sentimen maskapai citilink twitter metode na bayes jurnal ilmiah... ejournal.upbatam.ac.id/index.php/jif/article/view/1329Jurnal Ilmiah Informatika JIF analisis sentimen maskapai citilink twitter metode na bayes jurnal ilmiah ejournal upbatam ac index php jif article view 1329
4. Perbandingan Metode K-NN, Naïve Bayes, Decision Tree untuk Analisis Sentimen Tweet Twitter... ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/4016Perbandingan Metode K NN NayEAve Bayes Decision Tree untuk Analisis Sentimen Tweet Twitter ejurnal stmik budidarma ac index php jurikom article view 4016

Metadata

File size	469.26 KB
Pages	9
DMCA	Report