Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Syntax Jurnal Informatika

Comparison Of Naïve Bayes And Support Vector Machines In Classifying Sentiment On Twitter About Artificial Intelligence Development Iqbal Maulana; Roland Vincent; Oman Komarudin
SYNTAX Jurnal Informatika Vol 13 No 01 (2024): Mei 2024
Publisher : Universitas Singaperbangsa Karawang

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Analisis sentimen merupakan bagian dari data mining yang digunakan untuk mengolah dan memproses teks dengan tujuan untuk mengetahui bagaimana opini atau pandangan masyarakat tentang suatu isu atau masalah tertentu. Metode klasifikasi yang digunakan untuk melakukan analisis sentimen pada data berupa teks, diantaranya Naive Bayes dan Support Vector Machine (SVM). Dalam mengevaluasi performa model klasifikasi yang telah dibuat, biasanya akan diukur nilai akurasinya. Oleh karena itu, penelitian ini bertujuan untuk membandingkan performa dari model klasifikasi sentimen yang menggunakan metode Naive Bayes dan SVM, dengan TF-IDF dan CountVectorizer sebagai ekstraksi fitur serta Information Gain sebagai seleksi fitur. Selain itu, digunakan juga N-gram sebagai upaya untuk dapat meningkatkan akurasi model klasifikasi. Penelitian ini menggunakan dataset berupa cuitan pengguna Twitter tentang perkembangan Artificial Intelligence. Data tersebut nantinya dikategorikan menjadi dua kelas, yaitu positif dan negatif, serta akan diolah dengan menggunakan tahapan knowledge discovery in databases (KDD). Hasil penelitian menunjukkan bahwa model hasil Naive Bayes mendapatkan akurasi tertinggi saat menggunakan ekstraksi fitur CountVectorizer, sedangkan model hasil SVM mendapatkan akurasi tertinggi saat menggunakan TF-IDF. Selain itu,  penggunaan Information Gain ternyata dapat meningkatkan nilai akurasi model hasil Naive Bayes sebesar 12% menggunakan CountVectorizer dengan N-gram. Namun  penggunaan Information Gain justru menurunkan nilai akurasi model hasil SVM sebesar 0,73% menggunakan TF-IDF dengan N-gram.
Co-Authors Abdul Aziz Abdul Rochim Aditya Arif Wicaksono Aditya Dwi Raja Kamansastra2 Agung Saputra Agus Gilang Hermawan Ainun Safitri Allkaf Movlexis Adam Amelia Nurrahmadina Andi Rosa Angina Sandy Arga Sutrisna Arya Aji Putra Pangestu Azhari Cahyadi Dahlan, Zaini Daris Fauzaan Deni Exka Saputra Desi Kristina Deviana Eka Putri Dewi Amrih Dewi Tresnawati Didik Aribowo Dino Rimantho Fiki Romadhon Finisica Dwijayati Patrikha Firza Angga Malarangeng Fitriah Garno Garno Gelen Veranda Deanda Gultom, Ronal Gusta Marlinda Hafsah Hijroh Tamamil Gina Ihsan Satya Adi Nugraha Iis Istiqomah Jaman, Jajam Haerul Jayus Jayus Khaila Mardina Fauziah Khoirul Sholeh Kusuma Agdhi Rahwana Ludi Rahmanto Luky Setiyawan Lulu Nurul Khasanah Mohammad Ilhamsyah Akbar Muhammad Ardana Muhammad Khaesar Juniardi Muhammad Syawal Karo-Karo Muhammad Yasin Muhammad Yusuf Habibi Muhammad Zidan Fahreza Mukhlidin Mukhlidin Muslikhun, Alfin Mustika Sari Mustofa Abi Hamidn Nanda Kamila Azzahra Nita Nurmawati Nur Yulianti Hidayah, Nur Yulianti Nur ‘Azah Nuril Khoirunisa Izzati Nurmawati Nur’aini Oman Komarudin Popy Nurfadilah Prasta Mahrifatika PURWANTI PURWANTI Puspita Budiarti Rachmat Mudiyono Ria Amelia Rini Mayasari Roland Vincent Rowiyani Rowiyani Salminawati Setiyawan, Luky Shafa Yuniar Yasmin Sri Mulyo Bondan Respati Sugianti Suwadi Syarifah, Atika Nur Syukri Kurniawan Nasution Theodorus Yoseph Tatabuang Lejap Vector Anggit Pratomo Virgaria Zuliana Wahid Hasim Wahyu Eka Candra Wanda Pratiwi Willy Rahim Marpaung