Laporkan Masalah

Analisis Sentimen dengan Deteksi Sarkasme pada Komentar Instagram Politikus

AISYAH MUHADDISI, Drs. Bambang Nurcahyo Prastowo, M. Sc.; Diyah Utami Kusumaning Putri, S.Kom., M.Sc., M.Cs.

2021 | Skripsi | S1 ILMU KOMPUTER

Sarkasme merupakan salah satu tantangan yang mempengaruhi hasil dari analisis sentimen. Menurut Maynard dan Greenwood (2014), performa analisis sentimen dapat ditingkatkan ketika sarkasme dapat diidentifikasi. Beberapa penelitian menggunakan metode Naive Bayes dan Random Forest pada proses Dalam beberapa kasus analisis sentimen. Menurut Salles, dkk (2018) dalam beberapa kasus Random Forest dapat mengungguli kinerja dari Support Vector Machine yang dikenal lebih superior. Pada penelitian ini dilakukan analisis sentimen pada kolom komentar akun Instagram politikus di Indonesia. Penelitian ini membandingkan akurasi dari metode analisis sentimen dengan deteksi sarkasme dan tanpa deteksi sarkasme, menggunakan metode Naive Bayes dan Random Forest untuk analisis sentimen lalu Random Forest untuk deteksi sarkasme. Penelitian ini berhasil meningkatkan akurasi pada model analisis sentimen dengan deteksi sarkasme pada model Random Forest dan Naive Bayes. Model analisis sentimen Random Forest dengan deteksi sarkasme meningkatkan rata-rata akurasi sebesar 0.7%, dari akurasi awal 70.4% menjadi 71.1%. Model analisis sentimen Multinomial Naive Bayes dengan deteksi sarkasme meningkatkan rata-rata akurasi sebesar 0.6%, dari akurasi awal 66.3% menjadi 66.9%.

Sarcasm is one of the problems that affect the result of sentiment analysis. According to Maynard and Greenwood (2014), performance of sentiment analysis can be improved when sarcasm is also identified. Some research used Naive Bayes and Random Forest method on sentiment analysis process. On Salles, dkk (2018) research, in some cases Random Forest outperforms the performance by Support Vector Machine that is known as a superior method. In this research, we did sentiment analysis on the comment section on the Instagram account of Indonesian politician. This research compares the accuracy of sentiment analysis with sarcasm detection and analysis sentiment without sarcasm detection, sentiment analysis with Naive Bayes and Random Forest method then Random Forest for sarcasm detection. This research resulted in accuracy enhancement on sentiment analysis with sarcasm detection using Random Forest and Naive Bayes model. Sentiment analysis using Random Forest with sarcasm detection increased the accuracy value by 0.7% from initial accuracy value 70.4% to 71.1%. Sentiment analysis using Naive Bayes with sarcasm detection increased the accuracy value by 0.6% from initial accuracy value 66.3% to 66.9%.

Kata Kunci : analisis sentimen, deteksi sarkasme, Random Forest, Naive Bayes.

  1. S1-2021-409425-abstract.pdf  
  2. S1-2021-409425-bibliography.pdf  
  3. S1-2021-409425-tableofcontent.pdf  
  4. S1-2021-409425-title.pdf