ANALISIS SENTIMEN TWITTER TERHADAP MENTERI INDONESIA DENGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES

Abstract

Kabinet Indonesia Maju adalah kabinet pemerintahan Indonesia pada pimpinan Presiden Joko
Widodo dan Wakil Presiden Ma’ruf Amin. Dengan dilantiknya para menteri di Kabinet Indonesia
Maju, tokoh politik yang memiliki jabatan dan tanggung jawab sebagai menteri dalam
melaksanakan tanggung jawabnya tak lepas dari berbagai opini. Salah satu metode untuk
mengelompokkan kategori opini pengguna media sosial adalah sentiment analyst. Penelitian ini
menggunakan dataset hasil crawling dari twitter dengan kata kunci “Menteri”. Hasil crawling
diolah menggunakan kedua model algoritma yaitu Support Vector Machine (SVM) dan Naïve Bayes.
Penelitian ini membandingkan hasil cross validation algoritma SVM dengan Naïve Bayes. Hasil
cross validation dari algoritma SVM menunjukkan nilai accuracy sebesar 89,60%, recall 90,91%,
precission 97,64%. untuk algoritma Naïve Bayes dihasilkan accuracy sebesar 85,74%, recall
85,74%, precission 100,00%. SVM bekerja memaksimalkan margin antara dua kelas yang berbeda,
Naïve Bayes sederhana menerapkan teori probabilitas untuk mencari kemungkinan terbesar dari
klasifikasi. Dari hasil tersebut dapat disimpulkan kedua algoritma yang digunakan memberikan
solusi untuk masalah klasifikasi dalam kasus analisis sentimen menteri, terlepas dari SVM
menghasilkan akurasi yang lebih baik.