Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Profesi Insinyur Universitas Lampung
Laras Rahmawati Laras
Universitas Singaperbangsa Karawang
Civil Engineering, Building, Construction & Architecture Control & Systems Engineering Electrical & Electronics Engineering Environmental Science Industrial & Manufacturing Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN PENGGUNA APLIKASI X TERHADAP TONCOIN MENGGUNAKAN METODE NAÏVE BAYES DENGAN PSO Laras Rahmawati Laras
Jurnal Profesi Insinyur Universitas Lampung Vol. 7 No. 1 (2026)
Publisher : Fakultas Teknik Universitas Lampung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.23960/jpi.v7n1.393

Abstract

Abstrak. Perkembangan aset kripto yang pesat telah meningkatkan minat masyarakat terhadap berbagai jenis cryptocurrency, termasuk Toncoin. Opini pengguna media sosial, khususnya pada Aplikasi X, dapat mencerminkan sentimen publik terhadap Toncoin sehingga penting untuk dianalisis guna memahami persepsi masyarakat terhadap aset digital tersebut. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Aplikasi X terhadap Toncoin menggunakan algoritma Multinomial Naïve Bayes dan meningkatkan kinerjanya melalui optimasi Particle Swarm Optimization (PSO). Data penelitian diperoleh dari tweet yang berkaitan dengan Toncoin, kemudian dilakukan tahap prapemrosesan yang meliputi pembersihan data, case folding, tokenisasi, penghapusan stopword, dan stemming. Ekstraksi fitur dilakukan menggunakan TF-IDF, dengan pembagian data sebesar 70% sebagai data latih dan 30% sebagai data uji. Hasil penelitian menunjukkan bahwa model Naïve Bayes tanpa optimasi menghasilkan akurasi sebesar 73% dan weighted F1-score sebesar 72,6%. Setelah dilakukan optimasi menggunakan PSO, diperoleh parameter alpha optimal sebesar 0,2356 yang meningkatkan performa model menjadi akurasi 73,9% dan weighted F1-score 73,5%. Hasil penelitian menunjukkan bahwa optimasi PSO mampu meningkatkan kinerja Naïve Bayes dalam mengklasifikasikan sentimen pengguna Aplikasi X terhadap Toncoin, meskipun peningkatan yang diperoleh relatif kecil.
Co-Authors