Identifikasi Karakter Presiden Melalui Analisis Sentimen Pada Twitter Menggunakan Naïve Bayes Classifier Dan Pos Tagging

Abstract

Abstrak Media sosial merupakan salah satu media untuk menyampaikan opini tentang politik, salah satunya tentang presiden. Opini atau pandangan masyarakat dapat berupa opini positif dan negatif. Menurut KBBI karakter merupakan kata sifat, dengan demikian opini yang menjadi fokus utama adalah opini yang memiliki jenis kata sifat. Kita dapat meneliti sentimen yang terdapat pada Twitter berupa tweet yang menandai presiden untuk mendapatkan karakter. Inti dari penelitian ini menggunakan metode Naïve Bayes Classifier (NBC) untuk mengklasifikasikan tweet dan POS tagging untuk mengetahui jenis kata dari setiap tweet positif. Dari pengujian yang telah dilakukan menghasilkan pre-processing seperti casefolding, tokenizing, penghapusan kata yang tidak memiliki makna, simbol atau tanda baca. Untuk meningkatkan akurasi NBC digunakan metode N-gram yang bertujuan menggabungkan kata negasi dan kata selanjutnya untuk menghindari perubahan makna dari kata tersebut. Hasil pengujian klasifikasi dengan menggunakan metode cross-validation menghasilkan rata-rata akurasi sebesar 80,29% dan POS tagging menghasilkan akurasi sebesar 73,3% dalam menentukan karakter presiden. pengujian di atas menunjukkan bahwa identifikasi karakter melalui analisis sentimen menggunakan NBC dan POS tagging dapat digunakan untuk mendapatkan karakter presiden. Hasil akhir penelitian ini berupa daftar kata berjenis kata sifat yang telah diurutkan berdasarkan polaritas kemunculannya yang telah divalidasi oleh ahli Bahasa.

Kata kunci : Analisis sentimen, Naïve Bayes Classifier, N-gram, POS tagging, Preprocessing, Twitter

Abstract Social media is one of the media to express opinions about politics, one of which is about the president. Public opinion or opinion can take the form of positive and negative opinions. According to KBBI characters are adjectives, thus opinions that are the main focus are opinions that have the type of adjectives. We can consider the sentiments on Twitter in the form of tweets needed by the president to get the character. The core of this research uses the Naïve Bayes Classifier (NBC) method to classify tweets and POS markings to understand the type of words of each positive tweet. From the testing that has been done, it produces pre-processing such as casefolding, tokenizing, deletion of words that do not have meaning, symbols or punctuation. To improve the accuracy of NBC the N-gram method is used which replaces the negation words and subsequent words to avoid changing the meaning of the word. Test results using the cross-validation method produce an average accuracy of 80.29% and POS marking produces an accuracy of 73.3% in determining the character of the president. Learn above How to examine characters through sentiment analysis using NBC and POS marking can be used to get the president's character. The final results of this study contain a list of adjective type words that have been sorted based on the polarity of their appearance which has been validated by language experts.

Keywords: Naïve Bayes Classifier, N-gram, POS tagging, Preprocessing, Sentiment analysis, Twitter