Penerapan Text Mining Menggunakan Algoritme Naïve Bayes Dalam Mengklasifikasi Sentimen Netizen di media sosial Twitter (Studi Kasus Pertemuan KTT G20 di Indonesia)
Abstract
The G20 is a forum that discusses global issues including Finance Track and Sherpa Track, this forum consists of developed and developing countries. The purpose of this research is to classify positive and negative tweets using the naive bayes method. The naive bayes method can predict future possibilities based on past experience and this method is recommended from several previous researchers because this method is considered suitable for analyzing positive and negative tweets in the dataset. The existing data is processed using rapidminer and produces a model. Based on the model of the naive bayes method seen from 700 training data, 675 positive predictions with class precision 100.00% and 22 negative predictions with class precision 88.00% and with an analysis accuracy value of 99.57%. So it can be concluded that many people have positive sentiments on twitter when the G20 is held in Indonesia and the G20 can be an effort to encourage the country's economy to be even better.
Keyword: Text mining; G20 Summit; Naive Bayes; Netizen sentiment
Abstrak
G20 merupakan forum yang membahas isu masalah global antara lain, Finance Track dan Sherpa Track, forum ini beranggotakan negara maju dan berkembang, Tujuan penelitian ini adalah mengklasifikasikan tweet positif dan negatif menggunakan metode naive bayes. Metode naive bayes dapat memprediksi kemungkinan masa depan berdasarkan pengalaman masa lalu serta metode ini direkomendasikan dari beberapa peneliti sebelumnya karena metode ini dianggap cocok untuk menganalisa tweet positif dan negatif dalam dataset. Data yang ada diolah menggunakan rapidminer dan menghasilkan model. Berdasarkan model dari metode naive bayes dilihat dari 700 data latih, 675 prediksi positif dengan class precision 100.00% serta 22 prediksi negatif dengan class precision 88.00% dan dengan nilai analisa accuracy 99,57%. Jadi dapat disimpulkan banyak masyarakat yang bersentimen positif di twitter saat digelarnya G20 di Indonesia dan G20 ini dapat menjadi upaya untuk mendorong perekonomian negara agar lebih baik lagi.
Kata kunci: Text Mining; Konferensi Tingkat Tinggi G20; Naive Bayes; Sentimen Netizen
References
Bank Indonesia, “Presidensi G20 Indonesia 2022,” 2022. https://www.bi.go.id/id/ g20/default.aspx (diakses 10 Mei 2023).
Kemenkeu.go.id, G20pedia - Informasi Presidensi G20 Indonesia 2022. 2022. Diakses: 23 Mei 2023. [Daring]. Tersedia pada: https://anggaran.kemenkeu.go.id/api/Medias/ 53830b3e-a257-4a06-ae33-681a404eace7
A. Fransisca Putri, I. Ketut Merta, dan I. Ayu Sasmitha Putri, “Putri, Merta, Sasmitha Putri Pengaruh Implementasi Leadership Indonesia Terhadap Presidensi G20 Dan Pertumbuhan Ekonomi Di Bali,” vol. 8, no. 2, 2022, doi: 10.47329/jurnal_mbe.v8i2.894.
M. Kartika, S. Saepudin, dan D. Gustian, “Analisis Sentimen Dampak Covid-19 Terhadap Pembatalan Keberangkatan Ibadah Haji Pada Tahun 2020,” 2021.
N. Hannani, “Pengertian Twitter Beserta Sejarah dan Manfaat Twitter (Lengkap),” Nesabamedia, 6 Oktober 2019. https://www.nesabamedia.com/pengertian-twitter/ (diakses 17 November 2022).
A. H. Anshor, “Analisis Sentimen Warganet Terhadap KTT G20 Bali Menggunakan Algoritme Naïve Bayes,” Jutisi, vol. 11, 2022.
M. K. Sandryan, B. Rahayudi, dan D. E. Ratnawati, “Analisis Sentimen Pada Media Sosial Twitter Terhadap Undang-Undang Cipta Kerja Menggunakan Algoritme Backpropagation dan Term Frequency-Inverse Document Frequency,” 2021. [Daring]. Tersedia pada: http://j-ptiik.ub.ac.id
S. Fendyputra Pratama, R. Andrean, dan A. Nugroho, “Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis,” JOINTECS (Journal of Information Technology and Computer Science), vol. 4, no. 2, hlm. 2541–3619, 2019, doi: 10.31328/jo.
K. Jonathan Sitorus dan A. Muliawati, “Klasifikasi Dan Analisis Sentimen Pada Data Twitter Menggunakan Algoritme Naïve Bayes. (Studi Kasus: Pekan Olahrga Nasional XX 2021),” 2022. [Daring]. Tersedia pada: https://t.co/dsH2pZdXvd
F. Fathonah dan A. Herliana, “Penerapan Text MiningAnalisis Sentimen Mengenai Vaksin Covid -19 Menggunakan Metode NaïveBayes,” Jurnal Sains dan Informatika, vol. 7, no. Volume 7 Nomor 2, November 2021, 2021.
D. Darwis, N. Siskawati, dan Z. Abidin, “Penerapan Algoritme Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” Jurnal TEKNO KOMPAK, vol. 15, no. 1, hlm. 131–145, 2021.
B. Mas Pintoko dan K. Muslim, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” Bandung, Des 2018.
Y. S. Mahardhika dan E. Zuliarso, Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritme Naives Bayes Classifier. 2018.
I. Olive, D. Putra, K. Rega Prilianti, P. Lucky, dan T. Irawan, “Implementasi Text Mining Untuk Analisis Opini Masyarakat Terhadap Kinerja Layanan Transportasi Online Dengan Analisis Faktor,” vol. 8, no. 2, 2020.
V. R. Prasetyo, H. Lazuardi, A. A. Mulyono, dan C. Lauw, “Penerapan Aplikasi RapidMiner Untuk Prediksi Nilai Tukar Rupiah Terhadap US Dollar Dengan Metode Linear Regression,” Jurnal Nasional Teknologi dan Sistem Informasi, vol. 7, no. 1, hlm. 8–17, Mei 2021, doi: 10.25077/teknosi.v7i1.2021.8-17.
How To Cite This :
Refbacks
- There are currently no refbacks.
