Analisis Sentimen atas Ujaran Kebencian pada Media Sosial Twitter Menggunakan Metode Naive Bayes Dengan Evaluasi Confusion Matrix

Adhisthanaya, Ngurah Komang Wira Galih (2024) Analisis Sentimen atas Ujaran Kebencian pada Media Sosial Twitter Menggunakan Metode Naive Bayes Dengan Evaluasi Confusion Matrix. Undergraduate thesis, Politeknik Negeri Bali.

	Text (Full Text) RAMA_58302_2015354057_full.pdf - Accepted Version Restricted to Repository staff only Download (3MB) | Request a copy
	Text (Cover - Bab 1, Bab 5 dan Referensi) RAMA_58302_2015354057_0013048502_0808119003_part.pdf - Accepted Version Available under License Creative Commons Attribution Non-commercial Share Alike. Download (711kB)
	Text (iThenticate) RAMA_58302_2015354057_iThenticate.pdf - Accepted Version Restricted to Repository staff only Download (1MB) | Request a copy

Abstract

Platform media sosial seperti Twitter, memfasilitasi pengguna dalam bertukar pikiran tentang berbagai topik atau peristiwa secara global. Meskipun Twitter berguna untuk komunikasi dan bebas berpendapat, nyatanya platform ini juga dapat dimanfaatkan untuk penyebaran ujaran kebencian yang memicu permusuhan antar pengguna. Penelitian ini bertujuan untuk melakukan analisis sentimen pada tweet guna mengklasifikasikannya sebagai positif atau netral. Analisis ini dilakukan menggunakan metode naive bayes yang dikenal karena kesederhanaannya, kecepatan pemrosesannya dan akurasinya dalam menangangi dataset yang besar. Namun, karena adanya kebijakan baru Twitter mengenai pembatasan pada pengambilan data sehingga dataset yang digunakan dalam penelitian ini relatif kecil, yang memungkinkan dapat mempengaruhi pada hasil tingkat akurasi dari metode naive bayes tersebut. Dataset yang diperoleh menggunakan teknik crawling menggunakan pustaka bantuan yaitu tweet-harvest dan dibuat dengan pemrograman bahasa Python. Tahapan pengolahan data melibatkan preprocessing (mulai dari cleaning, casefolding, normalisasi, stopword removal, tokenization, dan stemming), translate, labelling, dan pembobotan pada kata menggunakan metode TF (Term Frequency) dan IDF (Inverse Document Frequency). Data kemudian dibagi menjadi tiga skenario yaitu 80% data training dan 20% data testing, 20% data training dan 80% data testing, serta 50% data training dan 50% data testing. Evaluasi yang dilakukan menggunakan confusion matrix. Hasil metode naive bayes memperoleh akurasi sebesar 73% pada skenario 80% data training dan 20% data testing.

Actions (login required)

View Item