Klasifikasi Data Politik Pada Media Sosial Dengan Algoritma NaÏve Bayes

Abstract

Abstraksi Twitter merupakan salah satu media sosial yang dapat digunakan untuk saling bertukar pikiran dan memberikan opini. Pengguna twitter dapat menuliskan opini mereka terhadap isu pemerintahan Presiden Joko Widodo. Data tweet atau opini masyarakat itulah dapat dilakukan metode analisis sentimen untuk menganalisis opini masyarakat. Metode Naïve Bayes digunakan untuk melakukan klasifikasi pada data twitter untuk mengetahui sentimen dan dilakukan pengelompokan menjadi kelas positif dan kelas negatif. Selanjutnya dilakukan pemodelan topik dengan metode Latent Dirichlet Allocation (LDA) untuk mengetahui topik pembahasan pada setiap kelompok sentimen. Pada proses klasifikasi nilai akurasi tergantung pada tahap preprocessing dan tergantung pada jumlah data. Pada data train 80% dan data tes 20% diperoleh akurasi 84.58%, recall 85%, precision 85% dan F1-Score 85%. Pada tahap LDA dilakukan pengujian kinerja dengan perplexity sehingga diperoleh nilai perplexity sebesar 7,0693, untuk nilai beta sebesar 1, nilai alpha 10000, jumlah topik 2 dan jumlah iterasi 30 untuk kelompok sentimen positif. Selanjutnya nilai perplexity sebesar 7,2897 dengan nilai beta1, nilai alpha 1000, jumlah topik 2 dan jumlah iterasi 60 untuk kelompok sentimen negatif.