ANALISIS SENTIMEN TERHADAP PEMBERHENTIAN TV ANALOG PADA TWITTER MENGGUNAKAN ALGORITMA NAIVE BAYES

Andika Prasetyo; Taufik Ridwan

doi:10.30736/jt.v15i2.991

Analisi Sentimen Terhadap Pemberhentian TV Analog pada Twitter Menggunakan Algoritma Naive Bayes

Authors

Andika Prasetyo Universitas Singaperbangsa Karawang
Taufik Ridwan Universitas Singaperbangsa Karawang

DOI:

https://doi.org/10.30736/jt.v15i2.991

Keywords:

AI Project Cycle, Naive Bayes, Sentimen, TV Analog, Twitter

Abstract

Perkembangan teknologi menjadikan perubahan yang terjadi pada siaran televisi yang semulanya analog menjadi digital. Aturan tersebut menjadikan bahan perbincangan pada kalangan umum salah satunya pengguna Twitter. Hal itu menimbulkan opini pengguna Twitter pro-kontra. Mengenai hal ini perlu adanya analisis sentimen terhadap pemberhentian tv analog menggunakan algoritma Naive Bayes. Analisis dilakukan untuk mengetahui opini pengguna Twitter terhadap pemberhentian tv analog. Metodologi yang diterapkan menggunakan AI project cycle yang diakhiri dengan tahap evaluation. Data yang diambil dengan kata kunci “tvanalog” dalam kurun waktu 1 Januari 2022 s.d. 30 Desember 2022 dengan batas maksimal 100 data. Data yang didapatkan diberikan label sentimen dengan dua sentimen yaitu Negatif dan Positif. Dalam hal tersebut menghasilkan data sentimen Negatif berjumlah 70 dan sentimen Positif berjumlah 30. Dalam pengklasifikasian data menggunakan algoritma Naive Bayes untuk mendapatkan model klasifikasi dengan menggunakan alat bantu RapidMiner Studio 10.0. Pengujian model terbaik dilakukan dengan cara lima pengujian dengan pembagian data latih dan data uji 50:50 sampai dengan 90:10. Model terbaik terdapat pada pengujian lima dengan hasil akurasi 90%. Performa model terbaik mendapatkan hasil akurasi 90%, presisi 75%, dan recall 100% dimana hasil tersebut baik

Downloads

Download data is not yet available.

References

Azimah, F., Rizky, K., Wardani, N., Komputer, F. I., & Darma, U. B. (2022). SISTEM PENDETEKSI GEJALA AWAL COVID-19 DENGAN. 675–688.

Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. Smatika Jurnal, 10(02), 71–76. https://doi.org/10.32664/smatika.v10i02.455

Fitri, E., Yuliani, Y., Rosyida, S., & Gata, W. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. Jurnal Transformatika, 18(1), 71. https://doi.org/10.26623/transformatika.v18i1.2317

Halim, C., Purnomo, H. D., & Wahyono, T. (2022). Analisis Pengelompokan Wilayah Penyebaran Covid-19 Di Indonesia Dengan Metode Clustering. 359–372.

Hozairi, H., Anwari, A., & Alim, S. (2021). Implementasi Orange Data Mining Untuk Klasifikasi Kelulusan Mahasiswa Dengan Model K-Nearest Neighbor, Decision Tree Serta Naive Bayes. Network Engineering Research Operation, 6(2), 133. https://doi.org/10.21107/nero.v6i2.237

Mufidah, Y., Noah, R., Lawalatta, L., & Bragas, N. (2022). PENGARUH TINGKAT AKURASI DALAM IDENTIFIKASI GEJALA DAN TANDA PENYAKIT PADA TANAMAN. Suparyanto Dan Rosad (2015, 14.

Nugroho, D. G., Chrisnanto, Y. H., & Wahana, A. (2016). ANALISIS SENTIMEN PADA JASA OJEK ONLINE MENGGUNAKAN METODE NAÏVE BAYES. 156–161.

Pintoko, B. M., & L., K. M. (2018). Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naive Bayes Classifier. E-Proceeding of Engineering, 5(3), 8121–8130.

Presiden Republik Indonesia. (2020). Undang Undang Republik Indonesia Nomor 11 Tahun 2020 Tentang Cipta Kerja. Peraturan.Bpk.Go.Id, 052692, 1–1187.

Ratnawati, F. (2018). Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. INOVTEK Polbeng - Seri Informatika, 3(1), 50. https://doi.org/10.35314/isi.v3i1.335

Widodo, S., Setiawan, D., Ridwan, T., & Ambari, R. (2022). Perancangan Deteksi Emosi Manusia berdasarkan Ekspresi Wajah Menggunakan Algoritma VGG16. Syntax : Jurnal Informatika, 11(01), 01–12. https://doi.org/10.35706/syji.v11i01.6594

Downloads

PlumX Metrics

Published

2023-09-09

How to Cite

Prasetyo, A., & Taufik Ridwan. (2023). Analisi Sentimen Terhadap Pemberhentian TV Analog pada Twitter Menggunakan Algoritma Naive Bayes. Jurnal Teknika, 15(2), 67–74. https://doi.org/10.30736/jt.v15i2.991

Download Citation

Issue

Vol. 15 No. 2 (2023): JURNAL TEKNIKA

Section

Jurnal Teknika

License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

Bagikan â€” salin dan distribusikan ulang materi dalam media atau format apa pun
Beradaptasi â€” me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

Atribusi â€” Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
ShareAlike â€” Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Tidak ada batasan tambahan â€” Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).