OPINION MINING PADA KOMENTAR TWITTER E-KTP MENGGUNAKAN NAIVE BAYES CLASSIFIER

Mihuandayani Mihuandayani, Eko Feriyanto, Syarham Syarham, Kusrini Kusrini

Abstract


Twitter menjadi salah satu media sosial yang digunakan untuk mengutarakan opini tentang berbagai isu atau topik yang sedang tren melalui kolom tweet. Isu terkait dengan Electronic Kartu Tanda Penduduk (E-KTP) sempat menjadi topik yang banyak dikomentari oleh pengguna akun twitter. Data yang sangat banyak berupa komentar twitter tentang e-ktp dapat dimanfaatkan dengan melakukan analisis sentimen (Opinion Mining). Opinion mining yang dilakukan bertujuan untuk mengetahui persentase opini positif, negatif dan netral. Hasil opini tersebut juga dapat digunakan sebagai salah satu pertimbangan dalam mendukung suatu keputusan.

Adapun metode yang digunakan untuk melakukan opinion mining yaitu Naïve Bayes Classifier. Penelitian ini menjelaskan tahapan yang dilakukan dalam opinion mining yaitu text processing, feature extraction dan klasifikasi menggunakan Naïve Bayes. Hasil klasifikasi yang diperoleh melalui data training, dilakukan pengujian dengan data testing.

Pengujian dilakukan untuk mengukur kinerja Naïve Bayes Classifier dalam mengklasifikasi data dalam tiga target fitur. Hasil yang diperoleh yaitu tingkat akurasi sebesar 89,67 %.

 

Kata kunci: Opinion Mining, Twitter, E-KTP, Naïve Bayes Classifier


Full Text:

PDF

References


Admin. Informasi Pengguna Twitter. Website Online: www.cnnindonesia.com. Diakses pada 26 Oktober 2017.

Admin. Informasi e-KTP. Website Online: www.e-ktp.com/. Diakses pada 19 November 2017.

Feldman, R & Sanger, J. 2007. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press: New York.

Rajeswari, R.P, Juliet, K & Aradhana. Text Classification for Student Data Set using Naïve Bayes Classifier and KNN Classifier. International Journal of Computer Trends and Technology (IJCTT) Vol. 43 Number 1.

Lopamudra Dey, et.al. Sentiment Analysis of Review Datasets Using Naïve Bayes and KNN Classifier. International Journal Information Engineering and Electronic Business. 2016. DOI: 10.5815/ijieeb.2016.04.07.

Ayman E. Khedr, S.E.Salama, Nagwa Yaseen,"Predicting Stock Market Behavior using Data Mining Technique and News Sentiment Analysis", International Journal of Intelligent Systems and Applications(IJISA), Vol.9, No.7, pp.22-30, 2017. DOI: 10.5815/ijisa.2017.07.03.

Vadivukarassi, M. Puviarasan, N. & Aruna, P. Sentimental Analysis of Tweets Using Naïve Bayes Algorithm. World Applied Sciences Journal 35 (1): 54 – 59, 2017. ISSN 1818-4952. DOI: 10.5829/idosi.wasj.2017.54.59.

Jadon, E. Sharma, R. Data Mining: Document Classification using Naïve Bayes Classifier. International Journal of Computer Applications Vol. 167 – No. 6 June 2017.

Rozi, I.F. Pramono, S.H. Dahlan, E.A Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi. Jurnal EECCIS Vol. 6, No. 1, Juni 2012.

Liu, B., 2010, Handbook of Natural Language Processing, chapter Sentiment Analysis and Analysis, 2nd Edition.

Clayton R. Fink, et. al. 2011. Coarse- and Fine-Grained Sentiment Analysis of Social Media Text. Johns hopkins apl technical digest, volume 30, number 1.

Eko Prasetyo. Data Mining Konsep dan Aplikasi menggunakan MATLAB, 1st ed., Nikodemus WK, Ed. Yogyakarta: Penerbit ANDI, 2012.

Olson, David L.; & Delen, Dursun. Advanced Data Mining Techniques, Springer, 1st edition (February 1, 2008), page 102.


Refbacks

  • There are currently no refbacks.