Sentimen Analisis Tweet Berbahasa Indonesia Pada Pilkada Serentak 2020 Menggunakan Metode Naive Bayes Berbasis Particle Swarm Optimization

Abstract

Analisis sentiment merupakan cabang dari text mining, fokus utamanya merupakan menganalisa dokumen berupa teks. Tweet yang berupa teks tersebut dibagi menjadi dua class yaitu class positif dan negatif. Algoritma yang digunakan pada penelitian ini yaitu Naïve Bayes berbasis Particle Swarm Optimization yang digunakan untuk mengetahui apakah terdapat peningkatan akurasi pada hasil klasifikasi. Dataset yang digunakan sebanyak 1000 dan diujikan menggunakan 10 Fold Cross Validation. Hasil klasifikasi yang didapatkan dari penelitian ini menghasilkan akurasi sebesar 81%. Hasil tersebut lebih baik dibandingkan dengan hasil klasifikasi menggunakan Naïve Bayes tanpa ada proses seleksi fitur dengan Particle Swarm Optimization dengan hasil akurasi sebesar 74.14%