<![CDATA[Menjelang Pilkada Indonesia 2024, polarisasi politik dan sentimen masyarakat menjadi isu penting yang dianalisis melalui media sosial. Penelitian ini bertujuan untuk mengevaluasi metode Naïve Bayes dalam klasifikasi sentimen otomatis terhadap opini publik. Sebanyak 6.465 tweet dianalisis, terdiri dari 4.169 tweet positif dan 2.296 tweet negatif. Data diproses melalui tahapan preprocessing seperti pembersihan teks, tokenisasi, dan normalisasi. Klasifikasi dilakukan menggunakan tiga varian Naïve Bayes yaitu MultinomialNB, GaussianNB, dan BernoulliNB. Hasil menunjukkan bahwa MultinomialNB memiliki performa terbaik dengan akurasi 75%, recall 95%, dan F1-Score 84%, sangat efektif dalam mendeteksi sentimen positif. BernoulliNB mencatat akurasi 74% dengan F1-Score 81% untuk sentimen positif, meskipun performa pada sentimen negatif lebih rendah yaitu F1-Score 62%. Sebaliknya, GaussianNB menunjukkan performa terendah dengan akurasi 56%, yang kurang optimal untuk data teks diskrit. Dominasi data positif memengaruhi performa model, membuatnya lebih akurat pada kelas mayoritas. Penelitian ini menunjukkan potensi metode Naïve Bayes, khususnya MultinomialNB, untuk memantau opini publik secara real-time selama pemilu, sekaligus menjadi dasar pengembangan analisis sentimen berbasis data yang lebih baik.]]>
Copyrights © 2025
