Analisis Sentimen Dokumen Twitter Mengenai Dampak Virus Corona Menggunakan Metode Naive Bayes Classifier
Article Sidebar
Main Article Content
Abstract
Virus Corona menjadi permasalahan internasional pada tahun 2020. Hal ini sangat berdampak bagi kehidupan masyarakat. Pemerintah Indonesia mengambil peran dalam menekan peningkatan jumlah penderita virus Corona dengan cara membatasi kegiatan masyarakat di luar rumah. Salah satu dampak yang signifikan dari Virus Corona adalah di sektor perekonomian. Oleh karena itu, perlu dilakukan analisis sentimen untuk menentukan kecenderungan opini masyarakat terhadap dampak virus Corona. Twitter merupakan salah satu platform yang digunakan oleh masyarakat untuk mengekspresikan kondisi terkini setelah virus Corona merambah. Tujuan dari penelitian ini adalah memperoleh analisis dokumen text untuk mendapatkan sentimen positif atau negatif masyarakat. Data yang digunakan merupakan dokumen tweet dari Twitter mengenai dampak virus Corona. Data yang terkumpul dibagi untuk digunakan sebagai data latih dan data uji proses klasifikasi. Metode yang digunakan untuk klasifikasi dalam penelitian ini adalah Metode Naive Bayes Classifier. Hasil klasifikasi dievaluasi menggunakan accuracy dan error rate dengan tujuan mengetahui keakuratan dokumen setelah diklasifikasi menjadi sentimen positif atau negatif. Hasil penelitian menunjukkan metode Naive Bayes mampu mengklasifikasi dokumen tweet dengan akurasi 67% dan error rate sebesar 33%. Percobaan dengan menggunakan 3 jumlah data berbeda (100, 200, dan 500) menghasilkan selisih nilai akurasi yang tidak jauh berbeda yaitu 0,02. Hal ini menunjukkan metode Naive Bayes untuk klasifikasi data tweet terkait dampak virus Corona menghasilkan performa yang stabil. Nilai accuracy yang diperoleh cukup baik dan penelitian selanjutnya bisa dikembangkan dengan memperhitungkan unsur semantik pada dokumen tweet.
Article Details
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Jurnal Sistem dan Informatika (JSI) bersifat open access, yaitu dapat diakses secara umum tanpa dikenakan biaya. Penulis yang menerbitkan artikelnya di JSI setuju dengan ketentuan berikut:- JSI menggunakan perjanjian lisensi ekslusif, yaitu penulis memegang hak cipta atas artikel dan memberikan hak publikasi kepada Jurnal Sistem dan Informatika (JSI).
- JSI mempunyai hak ekslusif untuk mempublikasi dan mendistribusikan artikel secara sebagian atau keseluruhan, dan memberikan hak kepada orang lain sesuai dengan lisensi yang digunakan.
- JSI berhak untuk menyediakan artikel dalam berbagai bentuk dan media, sehingga artikel dapat digunakan untuk teknologi terbaru bahkan setelah dipublikasikan.
- JSI berhak untuk menegakkan hak-hak atas nama penulis pada artikel terhadap pihak ketiga. Misalnya dalam kasus plagiarisme atau pelanggaran hak cipta.
- Artikel harus dirujuk, link terhadap lisensi harus disediakan, dan jika terdapat bagian artikel yang diubah harus ditandai.
- Jika artikel disadur sehingga terdapat perubahan, hasil saduran harus didistribusikan menggunakan lisensi yang sama.
- Tidak diperkenankan untuk membatasi orang lain terhadap apa yang diperbolehkan oleh lisensi.
References
N. R. Yunus and A. Rezki, “Kebijakan Pemberlakuan Lock Down Sebagai Antisipasi Penyebaran Corona Kebijakan Pemberlakuan Lockdown Sebagai Antisipasi Penyebaran Corona Virus Covid-19 ,†Salam J. Sos. dan Budaya Syar-i, vol. 7, pp. 227–238, 2020, doi: 10.15408/sjsbs.v7i3.15083.
S. Rosenthal, N. Farra, and P. Nakov, “SemEval-2017 Task 4: Sentiment Analysis in Twitter,†Proc. 11th Int. Work. Semant. Eval., 2017.
C. Kaur and A. Sharma, “Twitter Sentiment Analysis on Coronavirus using Textblob,†EasyChair, 2020.
F. Priyono, S. Kanti, I. D. I, I. Amirulloh, E. S. P, and D. Rosiyadi, “Analisis Sentimen Media Sosial Opini Ujian Nasional Berbasis Komputer menggunakan Metoda Naive Bayes,†J. Electr. Electron. Eng., vol. 1, no. 2, pp. 38–45, 2016.
A. Rasool, R. Tao, K. Marjan, and T. Naveed, “Twitter Sentiment Analysis : A Case Study for Apparel Brands Twitter Sentiment Analysis : A Case Study for Apparel Brands,†J. Phys. Conf. Ser., vol. 1176, p. 022015, 2019, doi: 10.1088/1742-6596/1176/2/022015.
S. Elbagir, “Twitter Sentiment Analysis Based on Ordinal Regression,†IEEE Access 7, vol. 7, pp. 163677–163685, 2019, doi: 10.1109/ACCESS.2019.2952127.
S. R. Wardhana, D. Purwitasari, and S. Rochimah, “Analisis Sentimen Pada Review Pengguna Aplikasi Mobile Untuk Evaluasi Faktor Usability,†J. Sist. dan Inform., vol. 11, pp. 128–136, 2016.
I. F. Rozi, E. N. Hamdana, M. Balya, and I. Alfahmi, “Pengembangan Aplikasi Analisis Sentimen Twitter (Studi Kasus SAMSAT Kota Malang),†J. Inform. Polinema, vol. 4, pp. 149–154, 2018.
A. C. Pandey, D. S. Rajpoot, and M. Saraswat, “Twitter Sentiment Analysis using Hybrid Cuckoo Search Method,†Inf. Process. Manag., vol. 53, pp. 764–779, 2017, doi: 10.1016/j.ipm.2017.02.004.
I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,†J. Eksplora Inform., vol. 9, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.
A. Rachmat, U. Kristen, D. Wacana, Y. Lukito, U. Kristen, and D. Wacana, “Klasifikasi Sentimen Komentar Politik dari Facebook Page Menggunakan Naive Bayes,†J. Inform. dan Sist. Inf., no. November, pp. 26–34, 2017.
R. Habibi and D. B. Setyohadi, “Analisis Sentimen pada Twitter Mahasiswa Menggunakan Metode Backpropagation,†J. Inform., vol. 12, no. 1, pp. 103–109, 2016.
I. M. M. Parwita and D. Siahaan, “Classification of Mobile Application Reviews using Word Embedding and Convolutional Neural Network,†Lontar Komput. J. Ilm. Teknol. Inf., vol. 10, no. 1, pp. 1–8, 2019.
J. Prasetyo and O. Siahaan, “Klasifikasi Ulasan Aplikasi pada Toko Aplikasi Bergerak dengan Memanfaatkan Issue Tracker Github,†JUTI J. Ilm. Teknol. Inf., vol. 15, pp. 206–213, 2017.
A. F. Anees, A. Shaikh, A. Shaikh, and S. Shaikh, “Survey Paper on Sentiment Analysis : Techniques and Challenges,†EasyChair, pp. 2516–2314, 2020.
S. Panichella, A. Di Sorbo, E. Guzman, C. A. Visaggio, G. Canfora, and H. C. Gall, “How Can I Improve My App ? Classifying User Reviews for Software Maintenance and Evolution,†2015 IEEE Int. Conf. Softw. Maint. Evol., pp. 281–290, 2015, doi: 10.1109/ICSM.2015.7332474.
S. Panichella, A. Di Sorbo, E. Guzman, C. A. Visaggio, G. Canfora, and H. Gall, “ARdoc : App Reviews Development Oriented Classifier,†Proc. 2016 24th ACM SIGSOFT Int. Symp. Found. Softw. Eng., pp. 1023–1027, 2016.
K. Giannakopoulos, “Informative vs . Non-informative Short Message Detection in Social Networks,†Int. Conf. Big Data Comput. Commun. Inf., pp. 165–171, 2017, doi: 10.1109/BIGCOM.2017.55.
A. R. Chrismanto and Y. Lukito, “Identifikasi Komentar Spam Pada Instagram,†Lontar Komput. J. Ilm. Teknol. Inf., vol. 8, no. 3, p. 219, 2017, doi: 10.24843/LKJITI.2017.v08.i03.p08.
S. Dey, S. Wasif, D. S. Tonmoy, and S. Sultana, “A Comparative Study of Support Vector Machine and Naive Bayes Classifier for Sentiment Analysis on Amazon Product Reviews,†2020 Int. Conf. Contemp. Comput. Appl., no. May, pp. 217–220, 2020, doi: 10.1109/IC3A48958.2020.233300.
