Sentiment Analysis pada Data Twitter dengan Pendekatan Naïve Bayes Multinomial

Abstract

Sebagai platform di mana user bertukar informasi dalam bentuk pesan pendek, link ke website lain, gambar maupun video, twitter telah berevolusi menjadi platform microblogging yang menjadi sumber informasi bagi banyak permasalahan karena karakteristiknya yang bersifat real time. Salah satu informasi yang penting diekstraksi dari data twitter adalah opini atau sentimen. Teknik untuk mengekstraksi sentimen dengan pendekatan komputasional disebut sebagai Sentiment Analysis. Penelitian ini mengusulkan eksperimen dengan teknik Sentiment Analysis pada dataset twitter dengan metode Multinomial Naive Bayes untuk kategorisasi data teks. Tool yang dipergunakan adalah WEKA. Pada penelitian ini dievaluasi pengaruh algoritma stemming yang berbeda, yaitu : 1) IteratedLovinsStemmer, 2) LovinsStemmer, 3) NullStemmer dan 4) SnowBallStemmer. Evaluasi kinerja disajikan dalam enam matriks parameter yaitu TP Rate, FP Rate, Precision, Recall dan F Measure serta ROC.