Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Facebook Berbahasa Indonesia

Abstract

Analisis  sentimen merupakan  bidang  yang  saat  ini sangat  diminati  oleh  berbagai  kalangan.  Analisis  sentimendapat dilakukan   dengan  menggunakan  dokumen  maupun  opini   dari media  sosial. Salah  satu  media  sosial  yang  biasanya  digunakan sebagai  sarana   opini  adalah  media  sosial Facebook. Sebelum sebuah  teks  diklasifikasikan,  perlu  dilakukan POS  Tagging yang merupakan  tahap  pelabelan  kata  dimana  tujuannya  adalah  untuk menentukan  kata  yang  termasuk  opini  dan  non  opini.  Untuk pelabelan kata  dapat   menggunakan Hidden   Markov   Model maupun Rule Based. Adapun metode yang biasa digunakan dalam analisis sentimen adalah metode Naïve Bayes Classifier. Metode ini mengklasifikasikan probalitas  dengan   sederhana. Naïve   Bayes Classifier dapat   digunakan  untuk  mengklasifikasikan  opini  ke dalam  opini   positif   maupun   negatif. Selain   itu   metode   ini menggunakan  data  latih  dalam  proses  klasifikasinya. Klasifikasi yang  dihasilkan  dari  metode Naïve  Bayes  Classifier tergolong cukup baik. Untuk  menguji   tingkat   keakuratan   sistem   dalam mengklasifikasikan    opini,    maka    dilakukan    pengujian    hasil klasifikasi.   Dari   hasil   pengujian   diperoleh   rata-rata   akurasi sebesar 87,1 %. Semakin banyak data latih yang mirip dengan data testing maka hasil klasifikasi akan semakin bagus. Kata  Kunci—Facebook, Analisis  Sentimen, POS Tagging, Naïve Bayes Classifier, Akurasi