Klasifikasi Sentimen Terhadap Penyelenggaraan Haji Indonesia Tahun 2023 Melalui Media Sosial Twitter Menggunakan Teknik Balancing Dan Metode Gaussian Naïve Bayes
Abstract
Haji merupakan salah satu ibadah umat Islam dan termasuk salah salah satu bagian dari rukun islam selain syahadat, salat, puasa, dan zakat. Di media sosial seperti Twitter berisi komentar mengenai haji di Indonesia, mulai dari apresasi serta kritik bahkan hinaan terhadap penyelenggara dan para jamaah. Hal ini memicu respon positif dan negatif antar pengguna twitter mengenai haji di Indonesia tahun 2023. Mengamati Hal tersebut peneliti tertarik untuk melakukan klasifikasi sentimen. Namun dalam melakukan klasifikasi, terdapat permasalahan yang sering ditemui oleh peneliti yaitu ketidakseimbangan data. Maka penelitian ini menggunakan teknik balancing untuk mengatasi ketidakseimbangan data. Penelitian ini bertujuan untuk mengetahui performa akurasi, presisi, dan recall sebelum dan sesudah menggunakan teknik balancing(Random Oversampling, Random Undersampling, SMOTE). Hasil Performa sebelum menggunakan teknik balancing yaitu akurasi sebesar 77%, presisi sebesar 86%, recall sebesar 79%, untuk Random Oversampling diperoleh akurasi sebesar 85%, presisi sebesar 98%, recall sebesar 73%, untuk Random Undersampling diperoleh akurasi sebesar 85%, presisi sebesar 86%, recall sebesar 86% dan untuk SMOTE diperoleh akurasi sebesar 90%, presisi sebesar 98%, recall sebesar 83%.
Keywords: Analisis Sentimen, Gaussian Naive Bayes, Random Oversampling, Random Undersampling, SMOTE
Full Text:
PDFReferences
Arthana Resika.2019. “Mengenal Accuracy, Precision, Recall dan Specificity serta yang diprioritaskan dalam Machine Learning ”, https://rey1024.medium.com/mengenal-accuracy-precission-recall-dan-specificity-serta-yang-diprioritaskan-b79ff4d77de8 , diakses pada 2 Juli 2023, pukul 02:20.
Almie, A. U. 2023. Klasifikasi Sentimen Ulasan Pelanggan Layanan Ekspedisi Menggunakan Algoritma Naïve Bayes.Universitas Muhammadiyah Jember.
Dqlab.2021. “Belajar Algotirma Naive Bayes”, https://www.dqlab.id/belajar-algotirma-naive-bayes , diakses pada 23 November 2022, pukul 10.49.
Faqih, F. 2019. “Belajar Python Dasar : Memahami Jupyter Notebook dan cara menggunakannya”, https://ngodingdata.com/memahami-jupyter-notebook-dan-cara-menggunakannya/ , diakses pada 23 November 2022, pukul 08.43.
Grossman, D., Ophir, F., (1998), Information Retrieval : Algorithm and Heuristics. Kluwer Academic Publisher,USA.
Hossin, M. and Sulaiman, M. N. (2015). a R Eview on E Valuation M Etrics F or D Ata C Lassification E Valuations. International Journal of Data Mining & Knowledge Management Process (IJDKP), 5(2), 1–11.
Kaur, P., & Gosain, A. (2018). Comparing The Behavior of Oversampling Versus Undersampling. Research Gate, 653(January). https://doi.org/10.1007/978- 981-10-6602-3.
Kotsiantis S. B., D. K. and P. E. P. (2006). Data Preprocessing for Supervised Leaning.
Patton, Michael Quinn. (1987.) “Qualitative Education Methods”. Beverly Hills: Sage Publication.
Perkovic, Ljubomir. 2012. Introduction to Computing Using Python: An Application Development Focus.
Ria, M. 2018. Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Syarah Umdatil Ahkam), Universitas Islam Negeri Syarif Hidayatullah Jakarta.
Statista. (2020). “Leading countries based on number of Twitter users as of January 2022”, https://www.statista.com/statistics/242606/number-of-active-twitter-users-in-selected-countries/ diakses pada 28 Oktober 2022, pukul 14.35.
Sunoto, Y. 2017. Analisis Testimonial Wisatawan Menggunakan Text Mining Dengan Metode Naive Bayes Dan Decision Tree, Studi Kasus Pada Hotel – Hotel Di Jakarta. Institut Bisnis Dan Informatika Kwik Kian Gie.
Torres, T. J. G. M., J. A. Saez., F Herrera. (2012). Study on the impact of partitioninduced dataset shift on k-fold cross- validation. IEEE Transactions on Neural Networks and Learning Systems. 23(8): 1304– 1312.
Tuhuteru. 2020. Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine. Universitas Kristen Indonesia Maluku.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.