Analisis Sentimen Politik Pada Twitter Dan Facebook Menggunakan Metode Naive Bayes Classifier (studi Kasus : Pilkada Jawa Barat 2018)

Abstract

Abstrak Pengaruh media sosial seperti Facebook dan Twitter pada sektor politik cukuplah besar. Opini atau pemikiran masyarakat dapat dibentuk melalui informasi dan berita yang dapat menentukan opini positif dan netral bahkan juga negatif terhadap kejadian atau peristiwa politik yang sedang berlangsung. Karena hal tersebut kita dapat meneliti sentiment yang diberikan pada Facebook dan Twitter tersebut apakah memang memiliki akurasi atau ketepatan yang tinggi pada sesuatu pembicaraan berupa tweet dan comment yang diberikan masyarakat pada calon gubernur tersebut. Serta dapat menilai bagaimana para pendukung atau masyarakat memberikan tanggapan yang beragam. Proses inti dari penelitian ini menggunakan metode Naive Bayes Classifier, akan tetapi banyak metode lain yang akan mendukung perhitungan Naive Bayes Classifier tersebut untuk membentuk akurasi yang didapatkan menjadi lebih tinggi. Seperti metode preprocessing dan pembobotan TF-IDF. Preprocessing data dibutuhkan agar data yang telah didapatkan menjadi lebih baik dan terukur. Serta penggunaan pembobotan TF-IDF bertujuan untuk memberikan perhitungan akurasi yang digunakan untuk metode Naive Bayes Classifier menjadi lebih baik. Setelah itu akan didapatkan akurasi sesuai skenario yang akan diuji dan confusion matrix untuk skenario terbaik yang didapatkan.

Kata kunci : Facebook, Preprocessing, Twitter, Naive Bayes Classifier, independent, training.

Abstract The influence of social media like Facebook and Twitter on the political sector is quite large. Public opinion or thought can be formed through information and news that can determine positive and neutral opinions and even negative events or ongoing political events. Because of this we can examine the sentiment given to Facebook and Twitter whether it has high accuracy or accuracy on something in the form of tweets and comments given by the community to the prospective governor. And can assess how supporters or the community provide diverse responses. The core process of this study uses the Naive Bayes Classifier method, but many other methods will support the calculation of the Naive Bayes Classifier to form the obtained accuracy higher. Like the preprocessing method and the TF-IDF weighting. Preprocessing data is needed so that the data that has been obtained becomes better and measurable. As well as the use of TF-IDF weighting, the aim is to provide a better calculation of the accuracy used by the Naive Bayes Classifier method. After that, accuracy will be obtained according to the scenario to be tested and the confusion matrix for the best scenario obtained.

Keywords: Facebook, Preprocessing, Twitter, Naive Bayes Classifier, independent, training