PERBANDINGAN METODE NAIVE BAYES DENGAN SUPPORT VECTOR MACHINE DALAM KATEGORI SENTIMEN TERHADAP TOKOH POLITIK PADA TWITTER

MUHAMMAD HAFIZ A A, Medi, Drs., M.Kom.

2018 | Skripsi | S1 ILMU KOMPUTER

Keberadaan Twitter telah digunakan secara luas oleh berbagai lapisan masyarakat dalam beberapa tahun terakhir. Kebiasaan masyarakat mem-posting tweet untuk menilai tokoh politik adalah salah satu media yang merepresentasikan tanggapan masyarakat terhadap tokoh politik. Menjelang pemilihan umum, biasanya ada pihak-pihak tertentu yang ingin mengetahui sentimen dan tanggapan terhadap tokoh politik. Tokoh politik yang dinilai adalah tokoh yang dianggap layak dan memiliki kemampuan untuk dipilih menjadi pemimpin. Oleh karena itu, penelitian ini mencoba menganalisis tweet berbahasa Indonesia yang membicarakan tentang tokoh politik. Analisis dilakukan dengan melakukan klasifikasi tweet yang berisi sentimen masyarakat tentang tokoh tertentu. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naive Bayes Classifier. Naive Bayes Classifier dikombinasikan dengan fitur untuk dapat mendeteksi negasi dan pembobotan menggunakan term frequency serta TF-IDF. Klasifikasi tweet pada penelitian ini diperoleh berdasarkan kombinasi antara kelas sentiment. Klasifikasi sentimen terdiri dari positif dan negatif sedangkan klasifikasi kategori terdiri dari kapabilitas, integritas, dan akseptabilitas. Hasil pengujian pada aplikasi yang dibangun dan pada tools Rapidminer memperlihatkan bahwa akurasi dengan metode term frequency dan TF-IDF terhadap metode Support Vector Machine menghasilkan akurasi performansi yang lebih baik daripada metode Naive Bayes baik dalam klasifikasi sentimen maupun dalam klasifikasi kategori. Namun demikian, secara keseluruhan penggunaan metode Support Vector Machine dan Naive Bayes sama-sama memiliki performansi yang cukup baik untuk melakukan klasifikasi tweet.

Twitter has been worldwide by many different types of people in recent years. The habit of people that posting for judge political figure is one way to representative community response to political figure. Toward general election, there are usually some party that want to know sentiment and response toward political figures. Political figures that being judge are the figure that considered worthy and have the ability to be chosen. This research tries to compare performance ability between two methods in category classification that contained tweets in Indonesian Language that talking about political figures. The comparation being done by classifying the tweet that contain people sentiments toward political figure. There are two method that being used in this research, Naive Bayes and Support Vector Machine that combine with some features using term frequency and TF-IDF. Tweets Classification in this research obtained based on combination of sentiment classes Sentiment Classification consists of positive and negative and category classification consists of capability, integrity, and acceptability. Test results on Rapidminer aplication showing that Support Vector Machine better than Naive Bayes. However, overall Naive Bayes and Support Vector Machine methods are having good performance in accord to tweet classification.

Kata Kunci : Klasifikasi kategori, Naive Bayes , Support Vector Machine, Tokoh politik