KLASIFIKASI KOMENTAR POSITIF DAN NEGATIF PADA AKUN INSTAGRAM PUBLIK FIGUR INDONESIA

MUHAMMAD QADRI, Arif Nurwidyantoro, S.Kom., M.Cs.

2017 | Skripsi | S1 ILMU KOMPUTER

Pada media sosial Instagram para publik figur senang berbagi aktivitas kesehariannya kepada para penggemarnya lewat foto dan video. Foto ataupun video dari publik figur biasanya banyak mendapat perhatian dari penggemar publik figur tersebut. Mereka menunjukan perhatiannya dengan memberikan komentar di foto atau video publik figur yang mereka sukai. Unggahan dari seorang publik figur biasanya memiliki banyak komentar, komentar yang diberikan tidak hanya komentar positif tapi bisa juga komentar negatif. Penelitian ini menggunakan metode Supervised Learning yaitu algoritma Naive Bayes dan Complement Naive Bayes untuk melakukan klasifikasi komentar positif dan negatif pada akun Instagram publik figur Indonesia. Complement Naive Bayes dipilih karena data set komentar tidak seimbang untuk masing-masing kelas komentar. Kalimat komentar diekstraksi dari setiap akun Instagram, kemudian diproses menggunakan beberapa tahap preprocessing dan digunakan sebagai model dalam kedua algoritma. Hasil pemodelan tersebut digunakan untuk mengklasifikasikan data komentar yang belum mempunyai label. Penelitian ini menunjukan Naive Bayes memiliki performa lebih baik dibandingkan dengan Complement Naive Bayes untuk data set Balance dengan akurasi tertinggi mencapai 82,18%, sedangkan Complement Naive Bayes memiliki performa lebih baik dibandingkan dengan Naive Bayes untuk data set Imbalance dengan akurasi tertinggi mencapai 83,50%. Hasil pemodelan Complement Naive Bayes digunakan untuk pengklasifikasian komentar yang belum diklasifikasikan. Hasil klasifikasi komentar menunjukan jumlah komentar positif lebih banyak dibandingkan dengan komentar negatif.

Public figures tend to share their daily activities with their fans using photos and videos in Instagram. Their followers usually show their thought by commenting on those photos and videos. There are many comments in every post, not only positive comments but also negative comments. This research use Supervised learning approaches: Naive Bayes and Complement Naive Bayes, to classify positive and negative comments in public figure’s Instagram accounts. These comments were extracted, labeled, and preprocessed to be used as features for the model of the algorithms. The model then used to classify comments that are not labeled yet. This research showed that Naive Bayes performs better than Complement Naive Bayes for Balanced data set with maximum accuracy 82,18%. Meanwhile, Compelement Naive bayes perform better for Imbalanced data set with maximum accuracy 83,50%. The model then used as the classifier for other comments, showed that positive comments occur more frequently that negative comments.

Kata Kunci : klasifikasi, instagram, naive bayes,complement naive bayes