Analisis Sentimen Program Acara Di Sctv Pada Twitter Menggunakan Metode Naive Bayes Dan Support Vector Machine
DOI:
https://doi.org/10.34818/eoe.v6i2.10708Abstract
Kepuasan penonton merupakan suatu faktor yang menjadi bahan pertimbangan dalam menentukan keberhasilan program acara televisi. Dengan kepuasan penonton perusahaan tahu harus membuat jadwal tayang yang baik dan menentukan berapa durasi acara maupun berapa episode yang harus dibuat. Selain itu perusahaan dapat meminimalisir kerugian karena jumlah penonton yang tidak sesuai harapan, maka dari itu dapat dilakukan suatu Analisis Sentimen pada Tweet Twitter SCTV yang berupaya untuk mengetahui sentimen dari setiap Tweet. Metode klasifikasi yang digunakan adalah Naive Bayes dan Support Vector Machine. Setelah dilakukan penelitian akurasi terbaik dari Metode Naive Bayes dan Metode Support Vector Machine adalah Support Vector Machine dengan Seluruh Program Acara didapatkan hasil akurasi 88,57%. Kata kunci : Analisis Sentimen, Naive Bayes, Support Vector MachineDownloads
References
Akhriza, T. (Februari 2017). Aplikasi Web untuk Analisis Sentimen pada Opini Produk dengan Metode Naive Bayes Classifier. Conference Paper.
Darma, I. B., Perdana, R. S., & Indriati. (Januari 2018). Penerapan Sentimen Analisis Acara Televisi Pada Twitter Menggunakan Support Vector Machine dan Algoritma Genetika sebagai Metode Seleksi Fitur.
Murfi, H. (n.d.). Metode Kernel. Ebook.
Rozi, I. F., Hamdana, E. N., & Alfahmi, M. B. (2018). PENGEMBANGAN APLIKASI ANALISIS SENTIMEN TWITTER MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER (Studi Kasus SAMSAT Kota Malang).
Taufik, & Pamungkas, S. (2018). ANALISIS SENTIMEN TERHADAP TOKOH PUBLIK MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM).
Castillo, C., Mendoza, M., & Poblete, B. (2011). Information Credibility on Twitter, 675–684.
Eka Sembodo, J., Budi Setiawan, E., & Abdurahman Baizal, Z. (2016). Data Crawling Otomatis pada Twitter. Indosc 2016, (September 2016), 11–16. https://doi.org/10.21108/INDOSC.2016.111
Zul, M. I. (2016). Analisis Sentimen Terhadap Toko Online di Sosial Media Menggunakan Metode Klasifikasi.
Daniel Jurafsky, James H. Martin. 2000. Speech and Languange Processing. New Jersey: Prentice Hall PTR Upper Saddle River.
Devid. (2019, Mei 12). GitHub. Retrieved from https://github.com/masdevid/ID-OpinionWords



