ANALISIS SENTIMEN WACANA KENAIKAN HARGA TIKET CANDI BOROBUDUR MENGGUNAKAN MULTINOMIAL NAÃVE BAYES

Muhammad Rifki, Imelda Imelda

Abstract


Wacana kenaikan harga tiket Candi Borobudur ramai diperbincangkan di media sosial. Banyak pendapat yang setuju dengan hal ini, dan tidak sedikit pula yang menolaknya. Analisis sentimen mengungkapkan pernyataan publik tentang isu-isu yang sedang berlangsung di komunitas tertentu. Tujuan penelitian ini untuk menganalisis sentimen masyarakat terhadap wacana kenaikan harga tiket Candi Borobudur menggunakan metode Multinomial Naïve Bayes. Alasan dipilihnya Multinomial Naïve Bayes karena algoritma ini merupakan salah satu algoritma machine learning yang paling populer digunakan untuk memproses klasifikasi teks. Selain itu, prosesnya sederhana, efisien, dan berkinerja baik. Sumber dataset penelitian ini berasal dari media sosial Twitter. Kontribusi penelitian ini adalah menganalisis sentimen masyarakat terhadap wacana kenaikan harga tiket Candi Borobudur menggunakan metode Multinomial Naïve Bayes dengan dua skenario. Pertama, kelas dibagi menjadi dua kategori: positif dan negatif. Kedua, kelas dibagi menjadi tiga kategori: positif, netral, dan negatif. Kategori netral diberikan untuk data yang tidak termasuk positif atau negatif. Hasil pengujian menunjukkan bahwa nilai akurasi untuk kelas dua kategori lebih tinggi dari 3. Hasil akurasi, presisi, dan recall untuk kelas dua kategori adalah 81%, 76%, dan 84%, sedangkan untuk kelas dengan tiga kategori yaitu 57% , 58%, dan 57%.

References


U. S. A. Rahman, Y. Wibisono, dan E. P. Nugroho, 2020, “Implementasi Multinomial Naive Bayes Untuk Klasifikasi Ujaran Kebencian Pada Dataset Kicauan (Twitter) Bahasa Indonesia,†Jatikom J. Apl. dan Teor. Ilmu Komput., vol. 3, no. 2, hal. 78–84.

N. S. Wardani, A. Prahutama, dan P. Kartikasari, 2020, “Analisis Sentimen Pemindahan Ibu Kota Negara Dengan Klasifikasi Naïve Bayes Untuk Model Bernoulli Dan Multinomial,†J. Gaussian, vol. 9, no. 3, hal. 237–246, doi: 10.14710/j.gauss.v9i3.27963.

A. Sabrani, I. G. W. Wedashwara W., dan F. Bimantoro, 2020, “Multinomial Naïve Bayes untuk Klasifikasi Artikel Online tentang Gempa di Indonesia,†J. Teknol. Informasi, Komputer, dan Apl. (JTIKA ), vol. 2, no. 1, hal. 89–100, doi: 10.29303/jtika.v2i1.87.

S. Mandasari, B. H. Hayadi, dan R. Gunawan, 2022, “Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD Analisis Sentimen Pengguna Transportasi Online Terhadap Layanan Grab Indonesia Menggunakan Multinomial Naive Bayes Classifier Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD,†vol. 5, hal. 118–126.

F. R. Irawan, A. Jazuli, dan T. Khotimah, 2022, “ANALISIS SENTIMEN TERHADAP PENGGUNA GOJEK MENGGUNAKAN METODE K-NEARSET NEIGHBORS SENTIMENT ANALYSIS OF GOJEK USERS USING K-NEAREST NEIGHBOR,†JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 1, hal. 62–68, doi: 10.33387/jiko.

R. Haditira, D. T. Murdiansyah, dan W. Astuti, 2022, “Analisis Sentimen Pada Steam Review Menggunakan Metode Multinomial Naïve Bayes dengan Seleksi Fitur Gini Index Text,†e-Proceeding Eng., vol. 9, no. 3, hal. 1793–1799.

L. M. Siniwi, A. Prahutama, dan A. R. Hakim, 2021, “QUERY EXPANSION RANKING PADA ANALISIS SENTIMEN MENGGUNAKAN KLASIFIKASI MULTINOMIAL NAÃVE BAYES,†J. Gaussian, vol. 10, no. 3, hal. 377–387.

P. Morgan, B. Show, dan N. Media, 2022, “ANALISIS SENTIMEN PENGGUNA YOUTUBE TERHADAP TAYANGAN # MATANAJWAMENANTITERAWAN DENGAN METODE NAÃVE BAYES SENTIMENT ANALYSIS OF USER COMMENTS ON YOUTUBE VIDEO # MATANAJWAMENANTITERAWAN WITH NAIVE BAYES CLASSIFIER METHOD,†JIKO (Jurnal Inform. dan Komputer), vol. 5, no. 1, hal. 1–6, doi: 10.33387/jiko.

R. Darmawan, I. Indra, dan A. Surahmat, 2022, “Optimalisasi Support Vector Machine (SVM) Berbasis Particle Swarm Optimization (PSO) Pada Analisis Sentimen Terhadap Official Account Ruang Guru Di Twitter,†J. Kaji. Ilm., vol. 22, no. 2, hal. 143–152.

L. Lesmana, F. Nabyla, dan Mukrodin, 2020, “Analisis Sentimen Pengguna Twitter Terhadap Kebijakan Sistem Zonasi Ppdb Menggunakan Algoritma Multinomial Naive Bayes,†J. Sist. Inf. dan Teknol. Perad., vol. 1, no. 1.

F. Prasetiawan, S. Widiyanesti, dan Tri Widarmanti, 2022, “Analisis Sentimen Mengenai Kualitas Layanan Jasa Ekspedisi Barang Sicepat Di Media Sosial Twitter,†in eProceedings of Management.

M. Priandi dan P. Painem, 2021, “Analisis Sentimen Masyarakat Terhadap Pembelajaran Daring di Era Pandemi Covid-19 pada Media Sosial Twitter Menggunakan Ekstraksi Fitur Countvectorizer dan Algoritma K-Nearest Neighbor,†in Senamika (Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya), no. September, hal. 311–319.

C. S. Sriyano dan E. B. Setiawan, 2021, “Pendeteksian Berita Hoax Menggunakan Naive Bayes Multinomial Pada Twitter dengan Fitur Pembobotan TF-IDF,†in e-Proceeding of Engineering, vol. 8, no. 2, hal. 3396–3405.

Yuyun, Nurul Hidayah, dan Supriadi Sahibu, 2021, “Algoritma Multinomial Naïve Bayes Untuk Klasifikasi Sentimen Pemerintah Terhadap Penanganan Covid-19 Menggunakan Data Twitter,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 4, hal. 820–826, doi: 10.29207/resti.v5i4.3146.

N. L. P. M. Putu, Ahmad Zuli Amrullah, dan Ismarmiaty, 2021, “Analisis Sentimen dan Pemodelan Topik Pariwisata Lombok Menggunakan Algoritma Naive Bayes dan Latent Dirichlet Allocation,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, hal. 123–131, doi: 10.29207/resti.v5i1.2587.

M. A. Nurrohmat dan A. SN, 2019, “Sentiment Analysis of Novel Review Using Long Short-Term Memory Method,†IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, hal. 209–218.

H. Dwiharyono dan S. Suyanto, 2022, “Stemming for Better Indonesian Text-to-Phoneme ☆,†Ampersand, vol. 9, hal. 100083, doi: 10.1016/j.amper.2022.100083.

R. Rinandyaswara, Y. A. Sari, dan M. T. Furqon, 2022, “PEMBENTUKAN DAFTAR STOPWORD MENGGUNAKAN TERM BASED RANDOM SAMPLING PADA ANALISIS SENTIMEN DENGAN METODE NAÃVE BAYES (STUDI KASUS: KULIAH DARING DI MASA PANDEMI),†J. Teknol. Inf. dan Ilmu Komput., vol. 9, no. 4, hal. 717–724, doi: 10.25126/jtiik.202294707.

M. T. A. Bangsa, S. Priyanta, dan Y. Suyanto, 2020, “Aspect-Based Sentiment Analysis of Online Marketplace Reviews Using Convolutional Neural Network,†IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 14, no. 2, hal. 123–134, doi: 10.22146/ijccs.51646.

D. Mustikasari, I. Widaningrum, R. Arifin, dan W. H. E. Putri, 2021, “Comparison of Effectiveness of Stemming Algorithms in Indonesian Documents,†in Advances in Engineering Research, vol. 203, hal. 154–158.

W. A. Rifai dan E. Winarko, 2019, “Modification of Stemming Algorithm Using A Non Deterministic Approach To Indonesian Text,†IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 4, hal. 379–388.

S. F. Ulya, Y. Sukestiyarno, dan P. Hendikawati, 2018, “Analisis Prediksi Quick Count dengan Metode Stratified Random Sampling dan Estimasi Confidence Interval Menggunakan Metode Maksimum Likelihood,†UNNES J. Math., vol. 7, no. 1, hal. 108–119.




DOI: https://doi.org/10.33387/jiko.v5i2.4991

Refbacks

  • There are currently no refbacks.