Perbandingan Sentiment Analysis pada Akun Instagram menggunakan Pembobotan Term Frequency Inverse Document Frequency (TF-IDF) Dan Naive Bayes Classifier (NBC)

GHINA INDAH FITHRIYAH, I Gede Mujiyatna, S.Kom., M.Kom.

2019 | Skripsi | S1 ILMU KOMPUTER

Dalam era ini internet menyebabkan peningkatan jumlah pengguna jejaring sosial. Instagram salah satu platform yang populer dalam masa kini. Dalam perkembangannya, Instagram kini memiliki banyak komunitas, diantaranya komunitas beauty, travel, automotive, fashion hingga food. Komunitas yang paling pesat perkembangannya di Indonesia adalah komunitas pencinta makanan (food). Mereka berkumpul dan menghadirkan para influencer yang sering kita sebut sebagai instafood, dan mereka akan membagikan informasi mengenai menu rekomendasi dari food stand sampai restoran sehingga dapat mempengaruhi bisnis makanan itu sendiri. Pada penelitian ini dilakukan proses sentiment analysis menggunakan Multinomial Naive Bayes Classifier dan Naive Bayes Classifier pada data komentar dari dua akun instafood yaitu kulineryogya dan jogjaculinary. Data ini menggunakan sampel komentar post dari bulan Januari 2019 hingga Maret 2019 dan diambil sebanyak 5807 komentar. Setelah dilakukan text processing didapatkan jumlah vector dari fitur kedua akun tersebut sebanyak 3097 kata. Pengujian dalam dua akun tersebut menggunakan Multinomial Naive Bayes dan Naive Bayes Classifier sebagai classifier dan metode validasi Cross Validation. Dari hasil pengujian ini didapatkan akurasi sebesar 0,9006 pada akun jogjaculinary dan 0,9424 pada akun kulineryogya. Hasil klasifikasi dengan menggunakan Naive Bayes Classifier lebih tinggi dibandingkan dengan menggunakan Multinomial Naive Bayes. Pada Multinomial Naive Bayes bahwa nilai sentimen positif untuk akun jogjaculinary sebesar 97,23%, lebih tinggi jika dibandingkan dengan akun kulineryogya yang hanya sebesar 91,14%. Pada Naive Bayes Classifier bahwa nilai sentimen positif untuk akun kulineryogya sebesar 99.08%, lebih tinggi jika dibandingkan dengan akun jogjaculinary yang hanya sebesar 97,71%. Perbedaan ini tidak signifikan karena kedua akun tersebut mengekspose niche yang sama di kota yang sama.

Era of the Internet caused an increase of social media users. Instagram is one of the most popular platforms of social media.Nowdays, Instagram now has many community, including beauty, travel, automotive, fashion, and food. Food community is the fastest developing community in Indonesia. They are gathering and inviting the influencers that we often refer as an instafood. They will share about reccomended food from foods stand to restaurant that improve the food business itself. This research studying about sentiment analysis process was carried out using the Multinomial Naive Bayes classifier dan Naive Bayes Classifier on comments data from two instafood account named kulineryogya and jogjaculinary. The data uses the comments from the post on January 2019 to March 2019 as sample and is taken as many as 5807 comments. The result of calculating vector features from the two accounts were 3097 words after going through the text processing. Multinomial Naive Bayes and Naive Bayes Classifier as classifier and Cross validation method was used to tested in these two accounts uses. From the results of this test we kows that accuracy 0.9006 on the jogjaculinary account and 0.9424 on the kulineryogya account. The classification results using Naive Bayes Classifier was higher than the Multinomial Naive Bayes. In Multinomial Naive Bayes, positive sentiment value for the jogjaculinary account was 91.23%, it was higher than the kulineryogya account which was only 91.14%. In Naive Bayes Classifier, positive sentiment value for the kulineryogya account was 99.08%, it was higher than the jogjaculinary account which was only 97.71%. The difference is not significant because both accounts are on the same niche in the same city.

Kata Kunci : sentiment analysis, naive bayes, multinomial naive bayes, tf-idf, naive bayes classifier