Implementasi Naive Bayes Dan Pos Tagging Menggunakan Metode Hidden Markov Model Viterbi Pada Analisa Sentimen Terhadap Akun Twitter Presiden Joko Widodo Di Saat Pandemi COVID - 19

Abstract

Twitter adalah tempat yang tepat untuk berbagi ide, bank gagasan, tempat untuk mengumpulkan informasi, untuk menginspirasi pikiran, atau untuk melihat apa yang teman lakukan. Banyak pengguna Twitter yang melakukan posting ekspresi dan pendapat mereka terhadap sebuah produk, layanan, isu politik atau hal-hal yang sedang viral. Pemerintahan yang sedang berjalan pada saat ini pun tidak luput dari komentar publik dalam media sosial Twitter. Pemerintahan saat ini yang dipimpin Presiden Joko Widodo menuai berbagai macam komentar, mulai dari pujian, kritik, saran, sindiran bahkan ujaran kebencian. Dengan banyaknya pengguna Twitter yang menyampaikan opini-opini tersebut dapat dimanfaatkan untuk mencari sebuah informasi. Analisa sentimen atau opinion mining merupakan proses memahami, mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat opini.
Dalam penelitian ini dilakukan analisa sentimen masyarakat terhadap kinerja Presiden Joko Widodo yang diungkapkan melalui jejaring sosial Twitter pada saat pandemi Covid-19 menggunakan algoritma Naïve Bayes Classifier dan algoritma Opinion Detection (penggabungan antara algoritma Pos Tagging Hidden Markov Model Viterbi dan Rule Opinion). Ada beberapa tahap untuk melakukan analisa sentimen, diantaranya adalah tahap pengumpulan data, preprocessing data, Opinion Detection menggunakan metode Pos Tagging Hidden Markov Model Viterbi dan Rule Opinion, pembobotan data training menggunakan metode Laplace Correction dan Klasifikasi Opini menggunakan metode Naïve Bayes Classifier. Hasil dari penelitian ini didapatkan bahwa Opinion Detection menggunakan metode Pos Tagging Hidden Markov Model Viterbi dan Rule Opinion menghasilkan akurasi sebesar 69%, 70% dan 71%; sementara hasil dari klasifikasi menggunakan metode Naïve Bayes Classifier menghasilkan akurasi sebesar 80%, 81% dan 83%. Kesimpulan dari penelitian ini adalah Algoritma Opinion Detection (penggabungan antara algoritma Pos Tagging Hidden Markov Model Viterbi dan Rule Opinion) dan Algoritma Naïve Bayes Classifier berhasil diterapkan dengan skenario algoritma Opinion Detection berfungsi sebagai pemisah antara opini dan bukan opini dan Algoritma Naïve Bayes Classifier berfungsi sebagai pemisah antara opini positif dan opini negatif.