Sentimen Analisis Kota Tegal Berbasis Aspek Menggunakan Algoritma Naïve Bayes
DOI:
https://doi.org/10.23969/infomatek.v26i1.11209Keywords:
Analisis Sentimen, Klasifikasi Aspek, Kota Tegal, Naïve BayesAbstract
Kurangnya ketentuan yang jelas mengenai penggunaan e-mail institusi oleh masyarakat Kota Tegal dalam menyampaikan informasi, saran, dan pengaduan kepada pemerintah. Sebagai gantinya, masyarakat cenderung menggunakan media sosial seperti Twitter untuk menyampaikan pendapat dan keluhan mereka, namun pemerintah mengalami kesulitan dalam menanggapi secara efektif. Penelitian ini bertujuan untuk mengembangkan sebuah aplikasi yang dapat mengklasifikasikan ulasan masyarakat Kota Tegal berdasarkan beberapa aspek seperti wisata/hiburan, pendidikan, fasilitas/layanan publik, dan kuliner. Melalui analisis sentimen berbasis aspek, aplikasi ini dapat memberikan informasi kepada pemerintah mengenai pendapat dan keluhan masyarakat secara spesifik. Penelitian ini menggunakan metode analisis sentimen dengan menggunakan algoritma Naïve Bayes untuk mengklasifikasikan ulasan masyarakat sebagai sentimen positif atau negatif. Pengujian dilakukan dengan menggunakan data ulasan masyarakat Kota Tegal yang dikumpulkan dari Twitter. Hasil penelitian menunjukkan bahwa aplikasi yang dikembangkan dapat mengklasifikasikan ulasan masyarakat Kota Tegal ke dalam beberapa aspek dengan tingkat akurasi pada data training diatas 90% dan tingkat akurasi pada data testing diatas 75% pada setiap kategori. Diharapkan aplikasi ini dapat membantu pemerintah dalam meningkatkan kualitas Kota Tegal dengan menanggapi pendapat dan keluhan masyarakat secara lebih efektif dan spesifik.Downloads
References
Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. SMATIKA Jurnal: STIKI Informatika Jurnal, 10(2), 71–76.
Fitri, V. A., Andreswari, R., & Hasibuan, M. A. (2019). Sentiment Analysis of Social Media Twitter with Case of Anti- Sentiment Analysis of Social Media Twitter with Case of Anti- LGBT Campaign in Indonesia using Naïve Bayes , Decision Tree , LGBT Campaign in Indonesia using Naïve Bayes , Decision Tree , and R. Procedia Computer Science, 161, 765–772. https://doi.org/10.1016/j.procs.2019.11.181
Graham, M. W., Avery, E. J., & Park, S. (2015). The role of social media in local government crisis communications. Public Relations Review, 1–9. https://doi.org/10.1016/j.pubrev.2015.02.001
Heranova, O. (2019). Synthetic Minority Oversampling Technique pada Averaged One Dependence Estimators untuk Klasifikasi Credit Scoring. JURNAL RESTI (Rekayasa SIstem Dan Teknologi Informasi), 1, 443–450.
Kadhim, A. I. (2018). An Evaluation of Preprocessing Techniques for Text Classification. International Journal of Computer Science and Information Security (IJCSIS), 16(December), 22–32.
Khaerani, T. R., & Sarai, M. V. (2020). Analisis Pengembangan Electronic Government di Kota Tegal. 8, 79–86.
Rahman, M. A., Budianto, H., & Setiawan, E. I. (2019). Aspect Based Sentimen Analysis Opini Publik Pada Instagram dengan Convolutional Neural Network. Journal of Intelligent System and Computation, 1(2), 50–57. https://doi.org/10.52985/insyst.v1i2.83
Somantri, O., & Dairoh. (2019). Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(2), 191–196. https://doi.org/10.26418/jp.v5i2.32661
Sulistio, H. G., & Handojo, A. (2022). Aspect-Based Sentiment Analysis pada Ulasan E- Commerce dengan Metode Support Vector Machine untuk Mendapatkan Informasi Sentimen dari Beberapa Aspek. Jurnal Infra.
Wati, R., Ernawati, S., & Rachmi, H. (2023). Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH. Jurnal Manajemen Informatika (JAMIKA), 13(1), 84–93. https://doi.org/10.34010/jamika.v13i1.9424
Yulietha, I. M., Faraby, S. Al, & Adiwijaya. (2017). Klasifikasi Sentimen Review Film Menggunakan Algoritma Support Vector Machine Sentiment Classification Of Movie Reviews. E-Proceeding of Engineering’, 4(3), 4740–4750.
Yulita, W., Nugroho, E. D., & Algifari, M. H. (2021). Analisis Sentimen Terhadap Opini Masyarakat Tentang Vaksin Covid-19 Menggunakan Algoritma Naïve Bayes Classifier. Jurnal Data Mining Dan Sistem Informasi, 2(2), 1. https://doi.org/10.33365/jdmsi.v2i2.1344
Yutika, C. H., Adiwijaya, & Faraby, S. Al. (2021). Analisis Sentimen Berbasis Aspek pada Review Female Daily Menggunakan TF-IDF dan Naïve Bayes. Jurnal Media Informatika Budidarma, 5(2), 422–430. https://doi.org/10.30865/mib.v5i2.2845
Zhao, A., & Yu, Y. (2021). Knowledge-enabled BERT for aspect-based sentiment analysis. Knowledge-Based Systems Journal, 227. https://doi.org/10.1016/j.knosys.2021.107220
