Analisis Sentimen Terhadap Opini Masyarakat Tentang Kebijakan PSE oleh Kominfo pada Twitter Menggunakan Metode Naïve Bayes Classifier Dengan Smote

Abstract

Analisis sentimen merupakan suatu proses pengambilan informasi dari data teks untuk mengidentifikasi sentimen positif, netaral dan negatif. Metode ini sangat berguna dalam mempelajari sentimen yang terkandung dalam konten media sosial, sehingga hasil dari analisis sentimen dapat dijadikan bahan pertimbangan dalam penentuan keputusan dan kebijakan selanjutnya. Analisis sentimen pada media sosial twitter dengan objek PSE KOMINFO menggunakan metode Naïve Bayes Classifier dan Synthetic Minority Oversampling Technique(SMOTE) mendapatkan dataset sejumlah 1500 data yang kemudian dilakukan pelabelan oleh ahli bahasa yang menghasilkan 659 data kelas negatif, 563 data kelas netral, dan 278 data kelas positif. Dari dataset yang didapatkan dilakukan empat kali percobaan pembagian data dengan perbandingan data uji dan data latih 60:40, 70:30, 80:20, dan 90:10. Hasil nilai akurasi dari pemodelan menggunakan naïve bayes mendapat nilai akurasi tertinggi 79% dengan perbandingan data uji dan data latih 80:20, setelah mengimplementasikan metode SMOTE untuk mengatasi imbalance data nilai akurasi pada pemodelan dengan perbandingan data uji dan data latih 80:20 meningkat menjadi 81%.