Record Details

Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection (Studi Kasus: Opini Masyarakat mengenai Kebijakan New Normal)

Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer

View Archive Info
 
 
Field Value
 
ISSN 2548-964X
 
Authentication Code dc
 
Title Statement Analisis Sentimen Twitter menggunakan Metode Naive Bayes dengan Relevance Frequency Feature Selection (Studi Kasus: Opini Masyarakat mengenai Kebijakan New Normal)
 
Added Entry - Uncontrolled Name Toy, Kresentia Verena Septiana
Sari, Yuita Arum
Cholissodin, Imam
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
Fakultas Ilmu Komputer, Universitas Brawijaya
 
Summary, etc. COVID-19 pertama kali muncul di Wuhan, Cina dan menyebar ke seluruh dunia. Penyebaran virus tersebut terjadi sangat cepat, termasuk di negara Indonesia. Pemerintah Indonesia berupaya menerapkan kebijakan-kebijakan untuk menekan angka kenaikan kasus COVID-19. Kebijakan yang diterapkan menimbulkan dampak baru pada masyarakat, contohnya penyempitan lapangan pekerjaan, pemutusan hubungan kerja dan dampak lain yang berpengaruh terhadap perekonomian negara. Oleh karena itu, Pemerintah menerapkan kebijakan baru yang disebut New Normal. New Normal menjadi topik perbincangan yang menimbulkan pro kontra di kalangan masyarakat pada media sosial Twitter. Melalui opini masyarakat tersebut, pemerintah dapat mengetahui bagaimana pendapat masyarakat terkait kebijakan New Normal di Indonesia. Opini masyarakat tersebut dapat diklasifikasikan menjadi opini positif, negatif dan netral sehingga memerlukan analisis sentimen. Proses analisis sentimen terdiri dari pre-processing untuk pemrosesan opini, Relevance Frequency Feature Selection untuk mengurangi jumlah fitur, dan klasifikasi menggunakan metode Naive Bayes. Dataset yang digunakan adalah 300 data opini masyarakat, dengan pembagian data menggunakan k-fold cross validation dengan k=5. Hasil dari pengujian sebanyak 5 pengujian menggunakan klasifikasi Naive Bayes, diperoleh rata-rata akurasi sebesar 62,6%, sementara hasil pengujian akurasi klasifikasi dengan penambahan RFFS diperoleh rata-rata akurasi sebesar 65,3%.
 
Publication, Distribution, Etc. Fakultas Ilmu Komputer (FILKOM), Universitas Brawijaya
 
Electronic Location and Access application/pdf
http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10172
 
Data Source Entry Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer; Vol 5 No 11 (2021): November 2021
 
Language Note ind
 
Terms Governing Use and Reproduction Note Hak Cipta (c) 2021 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
 


www.freevisitorcounters.com