Perbandingan Akurasi Metode Naïve Bayes Classifier dan Lexicon Based Pada Analisis Sentimen Respon Masyarakat Tentang Kebijakan Kenaikan Harga Minyak Goreng

Abstract

Minyak goreng merupakan kebutuhan dasar bagi masyarakat Indonesia. Indonesia mengalami kelangkaan minyak pada bulan maret 2022. Hal ini sudah menjadi perbincangan hangat di media sosial twitter pada bulan maret lalu, banyak masyarakat yang beranggapan positif maupun negatif. Namun dibalik itu semua terdapat perbedaan penilaian dari pihak-pihak yang merasakan pro dan kontra, berbagai pihak memiliki sudut pandang yang berbeda. Pada artikel ini melakukan analisis sentimen terhadap respon masyarakat terkait kelangkaan minyak goreng menggunakan sebuah dataset yang didapatkan dari platform digital twitter. Artikel ini mempunyai tujuan untuk mengelompokkan tweets terkait kelangkaan minyak goreng ke dalam sentimen positif dan negatif menggunakan strategi machine learning dengan metode Naive Bayes dan lexicon based. Algoritma ini dipilih untuk memudahkan pengguna yang berkepentingan melakukan perbandingan metode serta mengetahui seberapa akurat, yang dimana tingkat akurasi yang didapatkan dari metode lexicon 42% serta metode yang menggunakan naïve bayes classifier 72%. Menunjukan hasil analisis terkait kelangkaan minyak goreng dengan nilai netral dan juga tingkat akurasi yang paling tinggi yaitu pada metode yang menggunakan naïve bayes classifier dibandingkan metode yang menggunakan lexicon based