Analisis Sentimen Terhadap Pemindahan Ibu Kota Pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization

Abstract

Analisis Sentimen Twitter merupakan teknik untuk mengidentifikasi sentimen atau pendapat dalam tweet dan kemudian mengkategorikannya ke dalam tweet positif atau tweet negatif. Salah satu topik yang sering dibahas pada media sosial twitter adalah pemindahan Ibu Kota Jakarta ke Kalimantan Timur. Algoritma naive bayes merupakan metode pengklasifikasian probabilistik sederhana untuk klasifikasi teks. Masalah dalam pengkalsifikasian ialah kurang optimalnya akurasi yang dihasilkan sehingga perlu seleksi fitur tambahan untuk meningkatkan akurasi menjadi lebih optimal. Tujuan dari penelitian ini adalah untuk mengoptimasi algoritma naive bayes dengan seleksi fitur particle swarm optimization. Dari hasil pengujian yang dilakukan dengan mengubah nilai population size dan inertia weight pada parameter particle swarm optimization hasil akurasi terbaik yang diperoleh adalah 91,50% sedangkan pengujian naive bayes tunggal diperoleh hasil akurasi sebesar 78,88%. Dengan demikian dapat disimpulkan bahwa penerapan seleksi fitur bebasis particle swarm optimization dapat mengatasi masalah seleksi fitur pada algoritma naive bayes sehingga dapat meningkatkan akurasi dalam menganalisis sentimen pengguna Twitter terhadap pemindahan Ibu Kota. Dari hasil akurasi tersebut dapat diketahui bahwa 35% pengguna twitter memberikan sentimen positif sedangkan 65% memberikan sentimen negatif terhadap pemindahan Ibu Kota Jakarta ke Kalimantan.

Kata Kunci : BPJS, Prediksi, Data Mining, Decision Tree, Algoritma C4.5, Algoritma Genetika