IMPLEMENTASI ANALISIS SENTIMEN MASYARAKAT MENGENAI KENAIKAN HARGA BBM DENGAN METODE NAIVE BAYES

  • Ardiansyah Ardiansyah Universitas Amikom Yogyakarta
  • Nur’aini Nur’aini Universitas Amikom Yogyakarta
Abstract viewed = 150 times
PDF (Bahasa Indonesia) downloaded = 163 times

Abstract

Kenaikan harga BBM di tengah masyarakat banyak menuai pendapat pro dan kontra. Hal tersebut membuat statement masyarakat atas kebijakan pemerintah tersebut harus sesuai dengan keaadaan di lapangan. Terlepas dari penyebab kenaikan harga BBM harus menyesuaikan harga minyak dunia. twitter merupakan salah satu platform favorit yang digunakan masyarakat dalam berinteraksi terutama dalam menyampaikan pendapat, aspirasi dan berdiskusi mengenai pembahasan tertentu. Analisis sentimen merupakan penelitian yang berkaitan dengan suatu masalah menimbulkan persepsi pada masalahnya. Bertujuan mengklasifikasi teks dalam mengkategorikan positif atau negatif. Peneltian ini menggunakan algoritma naive bayes dengan dataset pada penelitian ini sebanyak 4239 data yang berasal dari twitter. Melalui proses tahap processing berkurang menjadi 2312 dataset yang akan di labelkan manual menghasilkan 1014 positif, 920 Netral, dan 384 Negatif. Dalam penelitian menghasilkan dataset prediksi yang berjumlah 1210 positif 813 Netral dan 294 Negatif. Untuk melihat kinerja parameter pembagian data menggunakan 2 skema dan skema yakni, 463 Data Latih, dan 1855 Data Uji sedangkan skema kedua, 811 Data Latih, 1507 Data Uji. Hasil tahapan evaluasi akurasi pembagian data menghasilkan sama untuk dataset manual 92% sedangkan dataset prediksi 72%. untuk pengukuran dataset manual presisi 88%, recall 95% dan 89% f1-score sedangkan untuk dataset prediksi menghasilkan 54% presisi, 85% recall, dan 53% f1-score.

Downloads

Download data is not yet available.

References

Dhina Nur Fitriana, & Yuliant Sibaroni. (2020). Sentiment Analysis on KAI Twitter Post Using Multiclass Support Vector Machine (SVM). Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 4(5), 846–853. https://doi.org/10.29207/resti.v4i5.2231
Eko, P., Utomo, P., Khaira, U., Suratno, T., & Jambi, U. (2019). Analisis Sentimen Online Review Pengguna Bukalapak Menggunakan Metode Algoritma TF-IDF. (JUSS) Jurnal Sains Dan Sistem Informasi, 2(2), 35–39.
Heliyanti Susana. (2022). Penerapan Model Klasifikasi Metode Naive Bayes Terhadap Penggunaan Akses Internet. Jurnal Riset Sistem Informasi Dan Teknologi Informasi (JURSISTEKNI), 4(1), 1–8. https://doi.org/10.52005/jursistekni.v4i1.96
Hrp, G. R., & Aslami, N. (2022). Analisis Dampak Kebijakan Perubahan Publik Harga BBM terhadap Perekonomian Rakyat Indonesia. Jurnal Ilmu Komputer, Ekonomi Dan Manajemen (JIKEM), 2(1), 1464–1474.
Liberti, A., Tavares, D., Nurraharjo, E., Informatika, S. T., & Semarang, U. S. (2023). Tweet Terkait Naiknya Kasus Omicron Menggunakan Naive Bayes Classifier. 6(April), 1–8.
Lina, S., Sitio, M., Studi, P., Informatika, T., Pamulang, U., & Selatan, B. T. (2022). PADA MEDIA SOSIAL TWITTER MENGGUNAKAN PHYTON. XVII(02), 57–61.
Marcellino, M., Marlim, Y. N., & ... (2023). Aplikasi Pendeteksi Penyakit Hepatitis Menggunakan Metode Naïve Bayes. JOISIE (Journal Of …, 7(1), 155–164.
Paramita, P., & Ibrahim, A. (2023). Analisis Sentimen Terhadap Pengguna Qris (Quick Respond Code Indonesian Standart) Pada Twitter Menggunakan Metode Naïve Bayes Classifier. JOISIE Journal Of Information System And Informatics Engineering, 7(1), 1–6. https://t.co/lJemg7TbKb
Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(3), 2789–2797. http://j-ptiik.ub.ac.id
Purwati, N. (2022). Analisa Pengaruh Iklan tanpa Label Harga pada media sosial Menggunakan Algoritma Naive Bayes. Infomatek: Jurnal Informatika, Manajemen Dan Teknologi, 24(1), 45–50. https://doi.org/10.23969/INFOMATEK.V24I1.4622
Ridwan, A. (2020). Penerapan Algoritma Naïve Bayes Untuk Klasifikasi Penyakit Diabetes Mellitus. Jurnal SISKOM-KB (Sistem Komputer Dan Kecerdasan Buatan), 4(1), 15–21. https://doi.org/10.47970/siskom-kb.v4i1.169
Riyanto, U. (2019). Analisis Perbandingan Algoritma Naive Bayes Dan Support Vector Machine Dalam Mengklasifikasikan Jumlah Pembaca Artikel Online. JIKA (Jurnal Informatika), 2(2), 62–72. https://doi.org/10.31000/.v2i2.1521
Syarifuddinn, M. (2020). Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïved Bayes dan KNN. INTI Nusa Mandiri, 15(1), 23–28. https://doi.org/10.33480/INTI.V15I1.1347
Watratan, A. F., B, A. P., & Moeis, D. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. Journal of Applied Computer Science and Technology, 1(1), 7–14. https://doi.org/10.52158/JACOST.V1I1.9
Yuyun, Nurul Hidayah, & Supriadi Sahibu. (2021). Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(4), 820–826. https://doi.org/10.29207/resti.v5i4.3146
Published
2024-06-26
How to Cite
ARDIANSYAH, Ardiansyah; NUR’AINI, Nur’aini. IMPLEMENTASI ANALISIS SENTIMEN MASYARAKAT MENGENAI KENAIKAN HARGA BBM DENGAN METODE NAIVE BAYES. JOISIE (Journal Of Information Systems And Informatics Engineering), [S.l.], v. 8, n. 1, p. 1-9, june 2024. ISSN 2527-3116. Available at: <https://ejournal.pelitaindonesia.ac.id/ojs32/index.php/JOISIE/article/view/3838>. Date accessed: 02 dec. 2024. doi: https://doi.org/10.35145/joisie.v8i1.3838.
Section
Articles