Perbandingan Lexicon Based Dan Naïve Bayes Classifier Pada Analisis Sentimen Pengguna Twitter Terhadap Gempa Turki
Abstract
Peristiwa bencana Gempa Turki yang menelan banyak korban jiwa sedang ramai saat ini baik di media nasional maupun media internasional, hal ini menyebabkan munculnya banyak opini pengguna sosial media teruma dalam Platform Twitter. Tweet yang diposting oleh pengguna sosial media Twitter tersebut kemudian dapat dijadikan sumber informasi yang bermanfaat. Dikarenakan hal tersebut, analisis sentimen dapat digunakan sebagai solusi untuk mengolah suara tersebut dengan menggunakan pendekatan Lexicon Based dan Naïve Bayes Classifier. Tujuan dari penelitian ini adalah untuk mengklasifikasikan pendapat tentang peristiwa Bencana Gempa yang terjadi di Turki pada 6 Februari 2023 berdasarkan kelas sentimen positif, sentimen netral dan sentimen negatif. Skenario 90:10 digunakan untuk pengujian. Hasil evaluasi menunjukkan bahwa pengujian pendekatan Lexicon Based dan Naïve Bayes Classifier menghasilkan nilai akurasi sebesar 65%. Sedangkan Naïve Bayes Classifier tanpa pendekatan Lexicon Based menghasilkan nilai akurasi sebesar 64%.
References
Akbari, W. A., Tukino, T., Huda, B., & Muslih, M. (2023). Sentiment Analysis of Twitter User Opinions Related to Metaverse Technology Using Lexicon Based Method. Sinkron, 8(1), 195–201. https://doi.org/10.33395/sinkron.v8i1.11992
Amaliah, F., & Dwi Nuryana, I. K. (2022). Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter. Journal of Informatics and Computer Science (JINACS), 3(03), 384–393 https://doi.org/10.26740/jinacs.v3n03.p384- 393
Arini, A., Wardhani, L. K., & Octaviano, D. (2020). Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden. KILLAT, 9(1), 103–114. https://doi.org/10.33322/kilat.v9i1.878
Aulia, G. N., & Patriya, E. (2019). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140–153. https://doi.org/10.35760/ik.2019.v24i2.2369
Beigi, G., Hu, X., Maciejewski, R., & Liu, H. (2016). An Overview of Sentiment Analysis in Social Media and Its Applications in Disaster Relief. In Studies in Computational Intelligence (Vol. 639, hal. 313–340). Springer Verlag. https://doi.org/10.1007/978- 3-319-30319-2_13
Bhatia, P. (2019). Data Mining and Data Warehousing : Principles and Practical Techniques. Cambridge University Press. https://doi.org/https://doi.org/10.1017/978110 8635592
Chiny, M., Chihab, M., Bencharef, O., & Chihab, Y. (2021). LSTM, VADER and TF-IDF based Hybrid Sentiment Analysis Model. International Journal of Advanced Computer Science and Applications, 12(7), 265–275. https://doi.org/10.14569/IJACSA.2021.01207 30
Fan, X., Scaringi, G., Korup, O., West, A. J., van Westen, C. J., Tanyas, H., Hovius, N., Hales,
T. C., Jibson, R. W., Allstadt, K. E., Zhang, L., Evans, S. G., Xu, C., Li, G., Pei, X., Xu, Q., & Huang, R. (2019). Earthquake-Induced Chains of Geologic Hazards: Patterns, Mechanisms, and Impacts. Reviews of Geophysics, 57(2), 421–503. https://doi.org/10.1029/2018RG000626
Ghazal, M. M., & Hammad, A. (2022). Application of knowledge discovery in database (KDD) techniques in cost overrun of construction projects. International Journal of Construction Management, 22(9), 1632–1646. https://doi.org/10.1080/15623599.2020.1738 205
Kardian, A. R., & Gustiana, D. (2021). Analisis Sentimen Berdasarkanan Opini Pengguna pada Medi Twitter Terhadap BPJS Menggunakan Metode Lexicon Based dan Naïve Bayes Classifier. Jurnal Ilmiah Komputasi, 20, 39–52. https://doi.org/http://dx.doi.org/10.32409/jiks tik.20.1.401
Malini, Z., Riskiyanti, C., Gede, I. K., Putra, D., Kt, A. A., & Cahyawan, A. (2022). Analisis Sentimen Pola Pikir Masyarakat Indonesia Terkait Virus Covid-19 Dalam Media Sosial Twitter Menggunakan Metode Rule Based Leksikon. Jurnal Ilmiah Teknologi dan Komputer, 3(1).
Mustofa, R. L., & Prasetiyo, B. (2021). Sentiment analysis using lexicon-based method with naïve bayes classifier algorithm on #newnormal hashtag in twitter. Journal of Physics: Conference Series, 1918(4). https://doi.org/10.1088/1742- 6596/1918/4/042155
Oktaviana, N. E., Sari, Y. A., & Indriati. (2022). Analisis Sentimen terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features dan Support Vector Machine. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), 357. https://doi.org/10.25126/jtiik.2022925625
Rahmah, S. A. (2021). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja). Djtechno: Jurnal Teknologi Informasi, 1(1), 1–5. https://doi.org/10.46576/djtechno.v1i1.964
Syah, R. I., Hoiriyah, & Walid, M. (2023). Analisis Sentimen Pengguna Media Sosial Terhadap Aplikasi M-Health Peduli Lindungi Dengan Metode Lexicon Based Dan Naïve Bayes. Indonesian Journal of Business Intelligence Volume, 6(1), 43–54.
Undap, M. G., Rantung, V. P., & Rompas, P. T. D. (2021). Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based. Jointer - Journal of Informatics Engineering, 2(02), 39–46. https://doi.org/10.53682/jointer.v2i02.44
World Health Organization. (2023). Earthquake response in Türkiye and Whole of Syria (Nomor February) https://www.who.int/publications/m/item/wh o-flash-appeal--earthquake-response-in-t- rkiye-and-whole-of-syria.
Amaliah, F., & Dwi Nuryana, I. K. (2022). Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter. Journal of Informatics and Computer Science (JINACS), 3(03), 384–393 https://doi.org/10.26740/jinacs.v3n03.p384- 393
Arini, A., Wardhani, L. K., & Octaviano, D. (2020). Perbandingan Seleksi Fitur Term Frequency & Tri-Gram Character Menggunakan Algoritma Naïve Bayes Classifier (Nbc) Pada Tweet Hashtag #2019gantipresiden. KILLAT, 9(1), 103–114. https://doi.org/10.33322/kilat.v9i1.878
Aulia, G. N., & Patriya, E. (2019). Implementasi Lexicon Based Dan Naive Bayes Pada Analisis Sentimen Pengguna Twitter Topik Pemilihan Presiden 2019. Jurnal Ilmiah Informatika Komputer, 24(2), 140–153. https://doi.org/10.35760/ik.2019.v24i2.2369
Beigi, G., Hu, X., Maciejewski, R., & Liu, H. (2016). An Overview of Sentiment Analysis in Social Media and Its Applications in Disaster Relief. In Studies in Computational Intelligence (Vol. 639, hal. 313–340). Springer Verlag. https://doi.org/10.1007/978- 3-319-30319-2_13
Bhatia, P. (2019). Data Mining and Data Warehousing : Principles and Practical Techniques. Cambridge University Press. https://doi.org/https://doi.org/10.1017/978110 8635592
Chiny, M., Chihab, M., Bencharef, O., & Chihab, Y. (2021). LSTM, VADER and TF-IDF based Hybrid Sentiment Analysis Model. International Journal of Advanced Computer Science and Applications, 12(7), 265–275. https://doi.org/10.14569/IJACSA.2021.01207 30
Fan, X., Scaringi, G., Korup, O., West, A. J., van Westen, C. J., Tanyas, H., Hovius, N., Hales,
T. C., Jibson, R. W., Allstadt, K. E., Zhang, L., Evans, S. G., Xu, C., Li, G., Pei, X., Xu, Q., & Huang, R. (2019). Earthquake-Induced Chains of Geologic Hazards: Patterns, Mechanisms, and Impacts. Reviews of Geophysics, 57(2), 421–503. https://doi.org/10.1029/2018RG000626
Ghazal, M. M., & Hammad, A. (2022). Application of knowledge discovery in database (KDD) techniques in cost overrun of construction projects. International Journal of Construction Management, 22(9), 1632–1646. https://doi.org/10.1080/15623599.2020.1738 205
Kardian, A. R., & Gustiana, D. (2021). Analisis Sentimen Berdasarkanan Opini Pengguna pada Medi Twitter Terhadap BPJS Menggunakan Metode Lexicon Based dan Naïve Bayes Classifier. Jurnal Ilmiah Komputasi, 20, 39–52. https://doi.org/http://dx.doi.org/10.32409/jiks tik.20.1.401
Malini, Z., Riskiyanti, C., Gede, I. K., Putra, D., Kt, A. A., & Cahyawan, A. (2022). Analisis Sentimen Pola Pikir Masyarakat Indonesia Terkait Virus Covid-19 Dalam Media Sosial Twitter Menggunakan Metode Rule Based Leksikon. Jurnal Ilmiah Teknologi dan Komputer, 3(1).
Mustofa, R. L., & Prasetiyo, B. (2021). Sentiment analysis using lexicon-based method with naïve bayes classifier algorithm on #newnormal hashtag in twitter. Journal of Physics: Conference Series, 1918(4). https://doi.org/10.1088/1742- 6596/1918/4/042155
Oktaviana, N. E., Sari, Y. A., & Indriati. (2022). Analisis Sentimen terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features dan Support Vector Machine. Jurnal Teknologi Informasi dan Ilmu Komputer, 9(2), 357. https://doi.org/10.25126/jtiik.2022925625
Rahmah, S. A. (2021). Klasterisasi Pola Penjualan Pestisida Menggunakan Metode K-Means Clustering (Studi Kasus Di Toko Juanda Tani Kecamatan Hutabayu Raja). Djtechno: Jurnal Teknologi Informasi, 1(1), 1–5. https://doi.org/10.46576/djtechno.v1i1.964
Syah, R. I., Hoiriyah, & Walid, M. (2023). Analisis Sentimen Pengguna Media Sosial Terhadap Aplikasi M-Health Peduli Lindungi Dengan Metode Lexicon Based Dan Naïve Bayes. Indonesian Journal of Business Intelligence Volume, 6(1), 43–54.
Undap, M. G., Rantung, V. P., & Rompas, P. T. D. (2021). Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based. Jointer - Journal of Informatics Engineering, 2(02), 39–46. https://doi.org/10.53682/jointer.v2i02.44
World Health Organization. (2023). Earthquake response in Türkiye and Whole of Syria (Nomor February) https://www.who.int/publications/m/item/wh o-flash-appeal--earthquake-response-in-t- rkiye-and-whole-of-syria.
Published
2023-11-21
Section
Articles
