Sentimen Etika Posting Pada Media Sosial Menggunakan Performa Terbaik

Sentimen Etika Posting Pada Media Sosial Menggunakan Performa Terbaik

• By Ridwansyah,; Aji, Sopian Sopian;
• Jurnal Nasional Tidak Terakreditasi
• 316
• 67-76

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.

• Katakunci Etika Posting, Naïve Bayes, Media Sosial.
• URL http://ejournal-binainsani.ac.id/index.php/IMBI/article/view/681
• Penerbit Penelitian dan Pengabdian Masyarakat STMIK Bina Insani, Bekasi Jawa Barat

REFERENSI

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.