PENGARUH PREPROCESSING TEXT TERHADAP ANALISIS SENTIMEN OPINI PUBLIK DAN MEDIA ONLINE TERHADAP TOKOH-TOKOH POLITIK
Loading...
Date
2024
Journal Title
Journal ISSN
Volume Title
Publisher
Program Studi S1 Informatika
Abstract
Tidak sedikit masyarakat indonesia yang mengutarakan opininya terkait penilaian dan kebijakan tokoh-tokoh politik. maka dari itu, penelitian ini akan mengklasifikasikan sentimen positif dan negatif menggunakan model algoritma Naïve Bayes dan aplikasi rapidminer. Dalam penelitian ini menggunakan metode pengembangan SEMMA. Pada pengumpulan data menggunakan teknik scraping menghasilkan data sebanyak 25.000 dengan rentang waktu dari awal tahun 2018 sampai akhir tahun 2023 lalu dilanjutkan dengan tahap proses pengolahan data sampai data siap untuk diolah oleh model Klasifikasi Naïve Bayes. Akan tetapi dalam penelitian ini model algoritma machine learning Naïve Bayes dibagi menjadi tiga model Klasifikasi yaitu model Klasifikasi yang melewati proses Stemming menggunakan algoritma Sastrawi, model Klasifikasi yang melewati proses Stemming menggunakan algoritma Nazief & Adriani, dan model Klasifikasi yang tidak melewati proses Stemming. Hasil yang didapat oleh analisis sentimen twitter menggunakan model Klasifikasi dengan proses Stemming menggunakan algoritma Sastrawi menghasilkan akurasi 82%, presisi 94%, recall 83%, dan F1-score 88%. Hasil yang didapat oleh analisis sentimen twitter dengan proses Stemming menggunakan algoritma Nazief & Adriani menghasilkan akurasi 83%, presisi 94%, recall 84%, dan F1-score 89%. Hasil yang didapat oleh analisis sentimen twitter tanpa proses Stemming menghasilkan akurasi 88%, presisi 95%, recall 90%, dan F1-score 93%. Hasil yang didapat oleh analisis sentimen media online dengan proses Stemming menggunakan algoritma Sastrawi menghasilkan akurasi 86%, presisi 88%, recall 95%, dan F1-score 91%. Hasil yang didapat oleh analisis sentimen media online dengan proses Stemming menggunakan algoritma Nazief & Adrian menghasilkan akurasi 87%, presisi 89%, recall 95%, dan F1score 92%. Hasil yang didapat oleh analisis sentimen media online tanpa proses Stemming menghasilkan akurasi 86%, presisi 87%, recall 95%, dan F1-score 91%. Berdasarkan hasil tersebut model Klasifikasi Naïve Bayes yang tidak menggunakan proses Stemming memiliki kinerja paling baik.