Analisis Sentimen Pemilihan Presiden Amerika 2020 Di Twitter Menggunakan Naive Bayes Dan Support Vector Machine

Abstract

Analisis sentimen adalah suatu cara untuk mengekstrak emosi dari suatu teks. Tujuan dari analisis sentiment ini adalah untuk mengetahui sentiment positif atau negatif dalam suatu tweet dari twitter mengenai pemilihan Presiden Amerika 2020. Salah satu cara untuk menentukannya adalah dengan melakukan klasifikasi teks. Dengan melakukan klasifikasi teks, kita dapat melakukan prediksi sentimen dari suatu tweet. Namun terdapat suatu masalah yaitu banyaknya atribut yang dimiliki oleh suatu teks. Oleh karena itu dilakukan seleksi fitur menggunakan metode TF-IDF (Term Frequency – Inverse Document Frequency). TF-IDF merupakan teknik pembobotan suatu kata dalam dokumen. Pada penelitian ini peneliti mencoba membandingkan 2 algoritma klasifikasi yaitu Naïve Bayes dan Support Vector Machine. Hasil evaluasi menggunakan cross-validation dengan nilai K sebesar 10 serta menggunakan mean approach menunjukkan bahwa model memberikan hasil akurasi terbaik sebesar 82% menggunakan kernel linear. Berdasarkan 10000 data tweet mengenai Donald Trump dengan akurasi terbaik 82% model berhasil memprediksi 36.88% orang memiliki pandangan netral terhadap Trump, 30.78% orang memilki pandangan positif terhadap Trump, dan 32.34% memiliki pandangan pandangan negatif terhadap Trump. Lalu 10000 data tweet mengenai Joe Biden, model berhasil memprediksi atau 42.39% orang memiliki pandangan netral terhadap Biden, 29.62% orang memilki pandangan positif terhadap Biden, dan 27.99% memiliki pandangan pandangan negatif terhadap Biden Kata kunci : Pemilihan Presiden Amerika 2020,Sentiment Analysis, SVM, Naïve Bayes, TF-IDF