Perbandingan Pre-Processing Opini Netizen Terhadap RUU PKS Menggunakan Algoritma Naive Bayes Classifier
Abstract
Proses pengesahan RUU-PKS menjadi topik pembicaraan dikalangan masyarakat khususnya sosial media, banyaknya opini yang disampaikan menyulitkan Netizen atau pengguna sosial media untuk membedakan opini negatif, positif ataupun netral. Dengan analisis sentimen opini acak tersebut dapat digabungkan dan diolah menjadi data sehingga menghasilkan sebuah informasi yang lebih jelas, pada proses sentimen analisis terdapat tahapan pre-processing. Untuk melakukan proses klasifikasi atau analisis data digunakan teknik machine learning bernama Naive Bayes sebuah metode yang dibuat untuk mengklasifikasikan data berbentuk text yang mampu dimanfaatkan dalam memprediksi suatu nilai dari sekumpulan data, namun penggunaan opini terhadap isu sebagai data penelitian menghasilkan jumlah data yang tidak seimbang atau imbalance sehingga diperlukan perhitungan akurasi dengan menggunakan metode confusion marix untuk meringkas kinerja klasifikasi yang memiliki data imbalance. Penelitian ini memiliki tujuan untuk mengetahui berapa nilai f1-score dari pre-processing opini Netizen terhadap RUU-PKS dengan menggunakan algoritma Naive Bayes Classifier, Mengetahui apakah tahapan pre-processing memiliki efektivitas dalam melakukan analisis sentimen pada opini Netizen terhadap RUU-PKS, Mengetahui berapa hasil perbandingan opini Netizen terhadap RUU-PKS dengan menggunakan kumpulan data cuitan pada media sosial Twitter serta mengetahui bagaimana hasil dari keseluruhan opini Netizen terhadap RUU-PKS pada sosial media Twitter. Penelitian ini menghasilkan empat kondisi pre-processing dengan 2.021 data opini dari Twitter mendapatkan nilai f1-score tertinggi pada kondisi preprocessing C yang tidak melakukan tahapan stopword namun melakukan tahapan normalisasi sebesar 72%.
References
A. K. Wardadi, G. P. Manurung and N. F. Rais, "Analisis Keberlakuan RKUHP dan RUU-PKS dalam Mengatur Tindak Kekerasan Seksual," Lex
Scientia Law Review, pp. 30-39, 2019.
A. Saputra, "SURVEI PENGGUNAAN MEDIA SOSIAL DI KALANGAN MAHASISWA KOTA PADANG MENGGUNAKAN TEORI USES AND GRATIFICATIONS," BACA: Jurnal Dokumentasi dan Informasi, pp. 207- 216, 2019.
S. Fransiska and Yolanda, "ANALISIS SENTIMEN TWITTER UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER (NBC) PADA SENTIMEN R PROGRAMMING," Jurnal Siliwangi, pp. 68-71, 2019.
A. S. Widagdo, B. S. W. A. and A. Nasiri, "ANALISIS TINGKAT KEPOPULERAN E-COMERCE DI INDONESIA BERDASARKAN
SENTIMENT SOSIAL MEDIA MENGGUNAKAN METODE NAIVE BAYES," Jurnal INFORMA Politeknik Indonusa Surakarta, pp. 1-5, 2020.
M. A. Nurrohmat and Y. S. Nugroho, "Aplikasi Pemrediksi Masa Studi dan Predikat Kelulusan Mahasiswa Informatika Universitas Muhammadiyah
Surakarta Menggunakan Metode Naive Bayes," Jurnal Ilmu Komputer dan Informatika, pp. 29-34, 2015.
L. Dey, S. Chakraborty, A. Biswas, B. Bose and S. Tiwari, "Sentiment Analysis of Review Datasets using Naive Bayes and K-NN Classifier," arXiv Informatian Retrieval; Computation and Language, vol. 8, no. 4, pp. 54-62, 2016.
I. F. Rozi, E. N. Hamdana and M. B. I. Alfahmi, "Pengembangan Aplikasi Analisis Sentimen Twitter Menggunakan Metode Naive Bayes Classifier," Jurnal Informatika Polinema, pp. 149-154, 2018.
M. Syarifuddin, "Analisis Sentimen Opini Publik Terhadap Efek PSBB Pada 109Twitter Dengan Algoritma Decision Tree-KNN-Naive Bayes," Inti Nusa Mandiri, vol. 15, pp. 87-94, 2020.
I. Zulfa and E. Winarko, "Sentimen Analisis Tweet Berbahasa Indonesia dengan Deep Belief Network," IJCCS, vol. 11, pp. 187-198, 2017.
K. Sharma and A. Sambyal, "SENTIMENT ANALYSIS USING AMAZON DATA FOR WDE-KNN ALGORITHM," INTERNATIONAL JOURNAL OF INFORMATION AND COMPUTING SCIENCE, vol. 6, no. 2, pp. 1-9, 2019.
L. Yang, Y. Li, J. Wang and R. S. Sherratt, "Sentiment Analysis for ECommerce Product Reviews in Chinese Based on Sentiment Lexicon and Deep Learning," Institute of Electrical and Electronics Engineers Access, vol. 8, pp. 23522-23530, 2020.
"Rancangan Undang-Undang," Pusat Perancangan Undang-Undang Badan Keahlian DPR RI, [Online]. Available: https://pusatpuu.dpr.go.id/produk/index-draft-ruu. [Accessed 20 June 2021].
H. Jogiyanto, Analisis dan Desain Sistem Informasi: Pendekatan Terstruktur
Teori dan Praktek Aplikasi Bisnis, Yogyakarta: Andi Offest, 1995.
H. A. Fatta, Analisis & Perancangan Sistem Informasi untuk Keunggulan Bersaing & Organisasi Modern, Yogyakarta: Penerbit ANDI, 2007.
T. Nasukawa and Y. Jeonghee, "Sentiment Analysis: Capturing favorability using Natural Language Processing," Proceedings of the 2nd International Conference on Knowledge Capture, pp. 70-77, 2003.
B. Liu, "Sentient Analysis and Opinion Mining," Morgan & Claypool Publishers, May 2012.
Balya, "Analisis Sentimen Pengguna YouTube di Indonesia Pada Review Smartphone Menggunakan Naive Bayes," in Skripsi, Fakultas Ilmu Komputer dan Teknologi, Ilmu Komputer, Medan, Universitas Sumatera Utara, 2019.
R. A. Simanjuntak, "Analisis Sentimen Pada Layanan Gojek Indonesia Menggunakan Multinomial Naive Bayes," in Skripsi, Fakultas Ilmu Komputer dan Teknologi, Ilmu Komputer, Medan, Universitas Sumatera 110Utara, 2018.
R. Nasrullah, Media Sosial Perspektif Komunikasi, Budaya, dan Sosioteknologi, Bandung: Simbiosa Rekatama Media, 2015.
E. Prasetyo, Data Mining - Mengolah Data Menjadi Informasi Menggunakan Matlab, Yogyakarta: ANDI Offset, 2014.
Kusrini and E. T. Luthfi, Algoritma Data Mining, Yogyakarta: ANDI, 2009.
R. T. Vulandari, DATA MINING Teori dan Aplikasi Rapidminer, Yogyakarta: Gava Media, 2017.
R. Feldman and J. Sanger, The Text Mining Handbook : Advanced Approaches in Analyzing Unstructured Data, New York: Cambridge
University Press, 2007.
S. Institute, Getting Started with SAS® Text Miner 4.2, North Calorina: SAS Publishing, 2010.
W. Oktinas, "Analisis Sentimen Pada Acara Televisi Menggunakan Improverd K-Nearest Neighbor," in Skripsi, Fakultas Ilmu Komputer dan Teknologi, Ilmu Komputer, Medan, Universitas Sumatra Utara, 2017.
D. Maulina and R. Sagara, "KLASIFIKASI ARTIKEL HOAX MENGGUNAKAN SUPPORT VECTOR MACHINE LINEAR DENGAN PEMBOBOTAN TERM FREQUENCY – INVERSE DOCUMENT
FREQUENCY," Jurnal Mantik Penusa, vol. II, pp. 35-40, 2018.
"What is Python," Python, [Online]. Available:
https://docs.python.org/3/faq/general.html#what-is-python. [Accessed 20 Juni 2021].
Jupyter, [Online]. Available: https://jupyter.org/about. [Accessed 20 Juni
.
C. D. Manning, P. Raghavan and H. Schütze, An Introduction to Information
Retrieval, Cambridge, England: Cambridge University Press, 2009.
T. K.M., "Confusion Matrix. In: Sammut C.," Webb G.I. (eds) Encyclopedia
of Machine Learning., [Online]. Available:
https://link.springer.com/referenceworkentry/10.1007%2F978-0-387-30164-
_157#howtocite. [Accessed 24 August 2021].
A. Kulkarni, D. Chong and F. A. Batarseh, "Foundations of Data Imbalance
and Solution for a Data Democracy," Data Democracy At the Nexus of
Artificial Intelligence, Software Development, and Knowledge Engineering, pp. 83-106, 2020.
DOI: https://doi.org/10.30591/smartcomp.v12i1.4610
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution 4.0 International License.
SMART COMP INDEXED BY
View My Stats