Analisis sentimen berisikan dataset berbentuk teks yang bersifat
positif, negatif atau netral dengan mengungkapkan kata-kata dalam media
sosial haruslah berhati-hati dan jangan ada unsur menghina atau
melakukan pelanggaran hukum dapat mengakibatkan terkena pidana bagi
mereka yang melakukan pelanggaran hukum terkait postingan di media
sosial. Metode klasifikasi seperti Naive Bayes(NB) diusulkan oleh
banyak peneliti untuk digunakan pada analisis sentimen teks. Dari
metode naive bayes, akan diuji dengan tiga masukan yaitu menggunakan
Tokenize (menghilangkan tanda baca), Transform Cases (merubah huruf
besar menjadi huruf kecil) dan Stopwords (menghilangkan kata negatif)
dari komentar bersifat positif (100 komentar teks) dan bersifat negatif
(100 komentar teks). Dari hasil penelitian dengan menggunakan Naive
Bayes didapat nilai AUC: 0.484 +/- 0.107 (mikro: 0.484) (positive class:
Positif) dengan hasil akurasi 72,50, maka metode Naive Bayes dapat menghasilkan klasifikasi yang cukup untuk analisis sentimen etika
posting pada media sosial.
IMBI_20171_Sentimen_Etika_RIDWANSYAH
Darujati C, Gumelar AB. 2012. Pemanfaatan Teknik Supervised Untuk Klasifikasi Teks Bahasa Indonesia. J. LINK 16: 1–8.
Kontopoulos E, Berberidis C, Dergiades T, Bassiliades N. 2013. Ontology-based sentiment analysis of twitter posts. Expert Syst. Appl. 40: 4065–4074.
Ling J, Kencana I putu EN, Oka TB. 2014. Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square. E-Jurnal Mat. 3: 92–99.
Routray P, Kumar Swain C, Prava Mishra S. 2013. A Survey on Sentiment Analysis. Int. J. Comput. Appl. 76: 975–8887.
Tripathy A, Agrawal A, Rath SK. 2015. Classification of Sentimental Reviews Using Machine Learning Techniques. Procedia Comput. Sci. 57: 821–829.
Zhang Z, Ye Q, Zhang Z, Li Y. 2011. Sentiment classification of Internet restaurant reviews written in Cantonese. Expert Syst. Appl. 38: 7674–7682.