Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia
Comparison of Naive Bayes and SVM Algorithms in Twitter Sentiment Analysis on Electric Car Use in Indonesia
DOI:
https://doi.org/10.57152/malcom.v4i2.1253Keywords:
Analisis, Mobil Listrik, Naïve Bayes, Support Vector Machine, TwitterAbstract
Analisis sentimen dapat mengklasifikasikan sentimen berdasarkan polaritas teks dalam sebuah frasa dan menentukannya sebagai sentimen positif, negatif, atau netral. Data sentimen ini diperoleh dari jejaring sosial Twitter berdasarkan kueri bahasa Indonesia. Tujuan dari penelitian ini adalah untuk memahami opini publik mengenai topik tertentu yang dikomunikasikan di Twitter dalam bahasa Indonesia dan untuk mendukung upaya melakukan riset pasar terhadap opini publik. Data yang dikumpulkan melalui proses pelabelan manual, preprocessing, dan pemodelan, dan model klasifikasi dibuat melalui proses pelatihan. Teknik pengumpulan data dilakukan dengan mencari catatan menggunakan istilah pencarian “kendaraan listrik” di website Kaggle.com. Algoritma yang digunakan untuk membangun model klasifikasi berdasarkan data yang diperoleh pada penelitian ini adalah Algoritma Naive Bayes dan Support Vector Machine. Nilai akurasi implementasi klasifikasi yang diperoleh algoritma Naive Bayes sebesar 63,02% dan akurasi support vector machine sebesar 70,82%. Dapat disimpulkan bahwa algoritma support vector machine mempunyai nilai akurasi yang paling tinggi.
References
B. Andrilan and J. Viltelr Marpaung, “Studil Pelrancangan Kelndaraan Lilstrilk El-Bsw Yang Ramah Lilngkungan,” Ramah Lilngkung. J. Ilnosailns, vol. 14, p. 44, 2019.
P. K. Gajakosh, Dyp. Vildyanagar, N. Mumbail Tushar Ghorpadel, N. Mumbail Rajashril Sheldgel, and N. Mumbail, “Opilnilon Milnilng for Multil-Milx Languagels Hotell Relvilelw by usilng Fuzzy Selts,” Ilnt. J. Comput. Appl., vol. 2015, no. Ilcast, p. 1, 2015, [Onlilnel]. Availlablel: http://travell.yahoo.com
N. K. Wardhanil elt al., “Selntilmelnt analysils artilclel nelws coordilnator milnilstelr of mariltilmel affailrs usilng algorilthm nailvel bayels and support velctor machilnel wilth partilclel swarm optilmilzatilon,” J. Thelor. Appl. Ilnf. Telchnol., vol. 96, no. 24, pp. 8365–8378, 2018.
M. A. Al Fachril and U. Athilyah, “Komparasil Modell Analilsils Selntilmeln Pada Twilttelr Telrhadap Kelmahalan Milnyak Gorelng delngan Meltodel Nailvel Bayels dan Support Velctor Machilnel,” Ilnfotelkmelsiln, vol. 14, no. 2, pp. 194–199, 2023, doil: 10.35970/ilnfotelkmelsiln.v14il2.1759.
Il. Kurnilawan, A. Lila Hananto, S. Shofila Hillabil, A. Hananto, B. Prilyatna, and A. Yunilar Rahman, “Pelrbandilngan Algoriltma Nailvel Bayels Dan SVM Dalam Selntilmeln Analilsils Markeltplacel Pada Twilttelr,” J. Telk. Ilnform. dan Silst. Ilnf., vol. 10, no. 1, pp. 731–740, 2023, [Onlilnel]. Availlablel: http://jurnal.mdp.ac.ild
R. A. Huseln, R. Astutil, L. Marlila, R. Rahmaddelnil, and L. Elfrilzonil, “Analilsils Selntilmeln Opilnil Publilk pada Twilttelr Telrhadap Bank BSIl Melnggunakan Algoriltma Machilnel Lelarnilng,” MALCOM Ilndonels. J. Mach. Lelarn. Comput. Scil., vol. 3, no. 2, pp. 211–218, 2023, doil: 10.57152/malcom.v3il2.901.
A. F. Anelels, A. Shailkh, A. Shailkh, and S. Shailkh, “Survely Papelr on Selntilmelnt Analysils?: Telchnilquels and Challelngels,” ElasyChailr, pp. 2516–2314, 2020, [Onlilnel]. Availlablel: https://logiln.elasychailr.org/publilcatilons/prelprilnt_download/Sc2h
W. A. Prabowo and C. Wilguna, “Silstelm Ilnformasil UMKM Belngkell Belrbasils Welb Melnggunakan Meltodel SCRUM,” J. Meldila Ilnform. Budildarma, vol. 5, no. 1, p. 149, 2021, doil: 10.30865/milb.v5il1.2604.
H. Nurrun Muchammad Shilddilelqy, S. Paulus Ilnsap, and W. Wilng Wahyu, “Studil Liltelratur Telntang Pelrbandilngan Meltodel Untuk Prosels Analilsils Selntilmeln Dil Twilttelr,” Selmiln. Nas. Telknol. Ilnf. dan Komun., vol. 7, no. 2, pp. 57–64, 2016.
R. Rachman and R. N. Handayanil, “Klasilfilkasil Algoriltma Nailvel Bayels Dalam Melmpreldilksil Tilngkat Kellancaran Pelmbayaran Selwa Telras UMKM,” J. Ilnform., vol. 8, no. 2, pp. 111–122, 2021, doil: 10.31294/jil.v8il2.10494.
S. Panilchellla, A. Dil Sorbo, El. Guzman, C. A. Vilsaggilo, G. Canfora, and H. C. Gall, “How can il ilmprovel my app? Classilfyilng uselr relvilelws for softwarel mailntelnancel and elvolutilon,” 2015 IlElElEl 31st Ilnt. Conf. Softw. Mailnt. Elvol. IlCSMEl 2015 - Proc., no. Octobelr, pp. 281–290, 2015, doil: 10.1109/IlCSM.2015.7332474.
S. Panilchellla, A. Dil Sorbo, El. Guzman, C. A. Vilsaggilo, G. Canfora, and H. Gall, “ARdoc: App relvilelws delvellopmelnt orilelnteld classilfilelr,” Proc. ACM SIlGSOFT Symp. Found. Softw. Elng., vol. 13-18-Novel, no. Novelmbelr, pp. 1023–1027, 2016, doil: 10.1145/2950290.2983938.
A. R. Chrilsmanto and Y. Lukilto, “Ildelntilfilkasil Komelntar Spam Pada Ilnstagram,” Lontar Komput. J. Illm. Telknol. Ilnf., vol. 8, no. 3, p. 219, 2017, doil: 10.24843/lkjiltil.2017.v08.il03.p08.
S. Dely, S. Wasilf, D. S. Tonmoy, S. Sultana, J. Sarkar, and M. Dely, “A Comparatilvel Study of Support Velctor Machilnel and Nailvel Bayels Classilfilelr for Selntilmelnt Analysils on Amazon Product Relvilelws,” 2020 Ilnt. Conf. Contelmp. Comput. Appl. IlC3A 2020, no. Felbruary, pp. 217–220, 2020, doil: 10.1109/IlC3A48958.2020.233300.
Il. Kurnilawan and A. Susanto, “Ilmplelmelntasil Meltodel K-Melans dan Naïvel Bayels Classilfilelr untuk Analilsils Selntilmeln Pelmillilhan Prelsildeln (Pillprels) 2019,” Elksplora Ilnform., vol. 9, no. 1, pp. 1–10, 2019, doil: 10.30864/elksplora.v9il1.237.
M. El. Lasulilka, “Komparasil Naïvel Bayels, Support Velctor Machilnel Dan K-Nelarelst Nelilghbor Untuk Melngeltahuil Akurasil Telrtilnggil Pada Preldilksil Kellancaran Pelmbayaran Tv Kabell,” Illk. J. Illm., vol. 11, no. 1, pp. 11–16, 2019, doil: 10.33096/illkom.v11il1.408.11-16.
Rayuwatil, Husna Gelmasilh, and Ilrma Nilzar, “IlMPLElMElNTASIl AlGORIlTMA NAIlVEl BAYElS UNTUK MElMPRElDIlKSIl TIlNGKAT PElNYElBARAN COVIlD,” Jural Rils. Rumpun Illmu Telk., vol. 1, no. 1, pp. 38–46, 2022, doil: 10.55606/jurriltelk.v1il1.127.
R. W. Pratilwil, S. F. H, D. Dailroh, D. Il. Af’ildah, Q. R. A, and A. G. F, “Analilsils Selntilmeln Pada Relvilelw Skilncarel Felmalel Dailly Melnggunakan Meltodel Support Velctor Machilnel (SVM),” J. Ilnformatilcs, Ilnf. Syst. Softw. Elng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doil: 10.20895/ilnilsta.v4il1.387.
H. Aprilyanil and K. Kurnilatil, “Pelrbandilngan Meltodel Naïvel Bayels Dan Support Velctor Machilnel Dalam Klasilfilkasil Pelnyakilt Dilabeltels Melliltus,” J. Ilnf. Telchnol. Ampelra, vol. 1, no. 3, pp. 133–143, 2020, doil: 10.51519/journalilta.volumel1.ilsssuel3.yelar2020.pagel133-143.
El. A. Nilda, “Analilsils Kilnelrja Algoriltma Support Velctor Machilnel (SVM) Guna Pelngambillan Kelputusan Bellil/Jual Pada Saham PT Ellnusa Tbk. (ElLSA),” J. Transform., vol. 17, no. 2, p. 160, 2020, doil: 10.26623/transformatilka.v17il2.1649.
F. Hildayatullah and dkk, “Pelnelrapan Telxt Milnilng dalam Klasilfilkasil Judul Skrilpsil,” Selmiln. Nas. Apl. Telknol. Ilnf. Agustus, pp. 1907–5022, 2016.
J. Praseltyo and D. O. Silahaan, “Klasilfilkasil Ulasan Aplilkasil Pada Toko Aplilkasil Belrgelrak Delngan Melmanfaatkan Ilssuel Trackelr Gilthub,” JUTIl J. Illm. Telknol. Ilnf., vol. 15, no. 2, p. 206, 2017, doil: 10.12962/j24068535.v15il2.a666.
