Article Per Year (5 Year)
p-Index From 2020 - 2025
0
P-Index
This Author published in this journals
All Journal Dinamika Informatika: Jurnal Ilmiah Teknologi Informasi
Sudiantoro, Adhi Viky
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN TWITTER MENGGUNAKAN TEXT MINING DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER Sudiantoro, Adhi Viky; Zuliarso, Eri
Dinamika Informatika : Jurnal Ilmiah Teknologi Informasi Vol 10 No 2 (2018)
Publisher : Fakultas Teknologi Informasi Universitas Stikubank (Unisbank) Semarang

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (152.045 KB) | DOI: 10.35315/informatika.v10i2.8135

Abstract

Analisis sentimen atau bisa di sebebut juga opinion mining merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat opini terhadap sebuah masalah atau objek oleh seseorang, apakah cenderung beropini negatif atau positif. Penelitian ini bertujuan untuk mengklasifikasi data tweet menjadi 2 sentimen yaitu positif dan negatif. Dalam penelitian ini menggunakan teks Bahasa Indonesia yang terdapat di sosial media twitter berupa tweet. Opini masyarakat yang terdapat di tweet tersebut dapat dimanfaatkan sebagai bahan analisis sentimen untuk mengetahui masyarkat terhadap pilkada jawa barat apakah positif atau negatif. Data yang digunakan terdiri 300 data tweet yang didibagi menjadi 2 yaitu untuk data latih sebanyak 200 data dan 100 data untuk data uji. Pengklasifikasian data tweet menggunakan text mining dengan Naïve Bayes Classifier. Sebelum klasifikasi, dilakukan beberapa tahap pemrosesan teks seperti case folding, normalisasi, tokenisasi dan stopwords removal. Hasil dari 100 data uji yang klasifikasi menghasilkan 32 data bersentimen positif dan sebanyak 68 data sentimen negative. Dapat diartikan bahwa 100 data uji yang diklasifikasi masuk dalam kategori bersentimen negatif dikarenakan data positif lebih kecil daripada data yang bersentimen negatif. Adapun nilai akurasi algoritma Naïve Bayes Classifier memberikan nilai akurasi sebesar 84%.
Co-Authors Eri Zuliarso