Analisis Sentimen Terhadap Kasus Peretasan Pusat Data Nasional Menggunakan Naïve Bayes Dan POS Tagging Dengan Metode Hidden Markov Model Viterbi

Abstract

Kasus peretasan Pusat Data Nasional telah menjadi isu yang mendapat perhatian luas dari masyarakat dan memunculkan berbagai reaksi sentimen di media sosial. Penelitian ini bertujuan untuk mengetahui serta memperoleh hasil implementasi dari POS Tagging menggunakan Hidden Markov Model dengan algoritma Viterbi pada Naïve Bayes Classifier dalam analisis sentimen terhadap kasus tersebut. Masalah yang diteliti adalah bagaimana implementasi POS Tagging menggunakan Hidden Markov Model dengan algoritma Viterbi pada Naïve Bayes Classifier dapat diterapkan untuk meningkatkan akurasi klasifikasi sentimen. Metodologi penelitian menggunakan Naïve Bayes Classifier sebagai algoritma klasifikasi utama dengan penambahan fitur POS Tagging yang diimplementasikan melalui Hidden Markov Model dengan algoritma Viterbi. Penelitian ini melakukan perbandingan evaluasi kinerja model antara implementasi tanpa penambahan fitur POS Tagging dengan model yang mengintegrasikan fitur POS Tagging menggunakan empat metrik evaluasi utama yaitu accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa penambahan fitur POS Tagging tidak memberikan peningkatan kinerja yang diharapkan. Metrik accuracy mengalami penurunan dari 94% menjadi 92%, nilai precission turun dari 93% menjadi 88%, sementara nilai recall tetap konsisten di 87% pada kedua model. Adapun nilai F1-score mengalami penurunan dari 90% menjadi 87%. Penurunan kinerja pada sebagian besar metrik evaluasi ini mengindikasikan bahwa penambahan fitur POS Tagging dalam konteks penelitian ini tidak memberikan kontribusi positif terhadap peningkatan kinerja model klasifikasi. Penelitian ini menyarankan perlunya kajian ulang terhadap model yang menambahkan fitur POS Tagging pada klasifikasi Multinomial Naïve Bayes Classifier.