Analisis SentimenTerhadap ISP Pada Twitter Dengan Klasifikasi Naive Bayes

Authors

  • Abraham Koroh Politeknik Caltex Riau
  • Kartina Diah Politeknik Caltex Riau
  • Meilany Dewi Politeknik Caltex Riau

Abstract

Twitter merupakan salah satu microblog dimana pengguna bisa melakukan publikasi opini dalam bentuk status Twitter. Salah satu informasi yang bisa diperoleh adalah ISP. Status Twitter disimpan dalam jumlah yang besar dan memiliki informasi bernilai di dalamnya. Untuk memperoleh informasi tersebut diperlukan sistem yang mampu mengambil informasi otomatis yaitu sentimen analysis dengan metode klasifikasi Naive Bayes. Sistem mengklasifikasikan opini ke dalam kategori sentimen positif dan negatif kemudian dari hasil klasifikasi diketahui ISP dinilai positif atau negatif oleh pengguna Twitter. Akurasi pengklasifkasian data diuji dengan confusion matrixHasil analisis sentimen menunjukkan bahwa Telkomsel dinilai positif sedangkan Indosat dan XL dinilai negatif. Akurasi klasifikasi data status opini ISP pada Twitter adalah 91% dan akurasi pengujian menggunakan data latih adalah 86%.

Author Biographies

Abraham Koroh, Politeknik Caltex Riau

Sistem Informasi

Kartina Diah, Politeknik Caltex Riau

Teknik Informatika

Meilany Dewi, Politeknik Caltex Riau

Teknik informatika

References

Passant, Alexandre.,Hastrup, Tuukka., Bojars, Uldis., danBreslin, John. 2008. Microblogging: A Semantic and Distributed Approach.

Agarwal, A., Xie, B., Vovsha, I., Rambow, O., danPassonneau, R. 2011. Sentiment Analysis of Twitter Data.

Han, JiaweidanKamber, Micheline. 2006. Data Mining: Concepts and Techniques. San Francisco: Elsevier Inc

Feldman, Ronen dan Sanger, James. 2007. The Text Mining Handbook Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press.

Manning, C.D., Raghavan, Prabakhar.,Schütze, Hinrich. 2008. An Introduction to Information Retrieval. Cambridge (UK): Cambridge University Press.

Solichin, Achmad. (2009). Pemograman Web dengan PHP dan MySQL. Jakarta : Universitas Budi Luhur.

Published

2016-05-26

Issue

Section

Artikel