Studi Komprehensif Algoritma Naive Bayes Classifier Dengan Support Vector Machine Pada Sentiment Analysis Opini Pembangunan Infrastruktur di Media Sosial Twitter

Abstract

Pada saat ini media sosial sebagai tempat untuk beropini bisa di pandang juga sebagai tempat penyimpanan data yang memiliki pola tertentu. Sentimen analisis akan menggunakan model teertentu untuk menghasilkan informasi yang lebih terproses agar data yang di sajikan bisa mensimpulkan pola yang berkembang di masyarakat. Penelitian ini akan menyimpulkan perbandingan hasil akurasi dari NBC dan SVM serta melihat pola opini yang berkembang di masyarakat terhadap pembangunan infrastruktur yang di jalankan oleh pemerintah indonesia. Tujuan dari penelitian ini adalah menganalisa perbandingan model pembelajaran dari dua algoritma yaitu Support Vector Machine (SVM) dan Naïve Bayes Classifier (NBC) yang di implementasikan kepada objek sentimen masyarakat Indonesia di media sosial Twitter. Selama ini telah di ketahui bahwa kebanyakan sentimen analisis yang telah di lakukan hanya menggunakan model pembelajaran tertentu. Diperlukan pembanding terhadap model lain guna menemukan nilai akurasi terbaik dari setiap model yang di pilih. Berdasarkan hasil pengujian didapatkan akurasi dari Naïve Bayes Classifier dan Support Vector Machine untuk klasifikasi sentiment analysis di dapat melalui proses pembelajaran terhadap model yang di buat dan menghasilkan nilai akurasi sebesar 85.6 % untuk NBC dan 86,21 % untuk SVM.