Perbandingan Algoritma Naïve Bayes dan TextBlob Untuk Mendapatkan Analisis Sentimen Masyarakat Pada Sosial Media

Giesta Rahguna Putri (Program Studi Informatika, Institut Teknologi Tangerang Selatan, Tangerang Selatan)
Muhammad Akbar Maulana (Program Studi Informatika, Institut Teknologi Tangerang Selatan, Tangerang Selatan)
Samsul Bahri (Program Studi Informatika, Institut Teknologi Tangerang Selatan, Tangerang Selatan)

Teknika
Vol 13 No 2 (2024): Juli 2024

Media sosial Twitter adalah platform yang populer di Indonesia untuk berkomunikasi dan mendapatkan informasi dengan cepat. Hal ini memungkinkan masyarakat dengan mudah mengungkapkan opini dan sentimen mereka. Penelitian ini berfokus pada perbandingan algoritma TextBlob dan Naïve Bayes dalam menganalisis sentimen masyarakat. Temuan menunjukkan bahwa TextBlob mengklasifikasikan sebagian besar tweet sebagai positif, sementara Naïve Bayes menunjukkan kecenderungan yang serupa dengan akurasi sebesar 78,18%. Dari analisis TextBlob, sekitar 50,98% komentar menunjukkan sentimen positif, 16,01% negatif, dan 33,33% netral. Dengan menggunakan kedua algoritma ini, penelitian berhasil mengidentifikasi sentimen masyarakat dengan akurasi yang baik, menunjukkan distribusi yang jelas antara sentimen positif, netral, dan negatif.