Akses Terbuka Akses Terbuka  Akses Terbatas Akses Langganan

Perbandingan Algoritma Naïve Bayes Dan Support Vector Machine Pada Analisis Sentimen Mengenai Hepatitis Akut Pada Twitter

rian budi prasetyo

Sari


Pada masa ini tentunya tidak asing bagi kita mendengar berbagai virus baru salah satunya yaitu Hepatitis akut yang menyerang liver yang menimbulkan gejala seperti demam, mual, muntah, hilang nafsu makan, diare akut dan sebagainya. Penelitian ini dibuat oleh peneliti untuk mengetahui tanggappan masyarakat Indonesia mengenai hepatitis akut ini dengan menggunakan medsos berupa twitter. Twitter ialah utilitas yang memungkinkan pengguna mengirimkan pesan pada semua global dengan tweet yang terdiri dari 250 karakter yang membuat masyarakat mampu memberikan pendapatnya masing-masing, tanpa Batasan, tentunya dalam hal ini bisa dimanfaatkan untuk menganalisis pendapat masyarakat mengenai hepatitis akut. Dengan menggunakan Naïve Bayes dan Support Vector Machine yang merupakan algoritma yang bertujuan untuk mengklasifikasikan data yang akan dipilih seperti hepatitis akut yang diambil pada medsos berupa twitter. Pada bagian ini akan menampilkan hasil dari eksperimen yang sudah dilakukan. Pada penelitian ini mengambil studi kasus mengenai Hepatitis Akut dengan menggunakan dua Algoritma yaitu Naïve Bayes dan Support Vector Machine. Pembagian presentasi data merupakan pemisahan data training dan testing berdasarkan persentasenya, contoh 70% : 30% berarti 70% merupakan data training dan 30% merupakan data testing. Kemudian dilakukan proses klasifikasi dengan menggunakan algoritma Naïve Bayes dan Support Vector Machine. Nilai akurasi multinomial naive bayes sebesar 0.66. Menurut saya akurasi tersebut tidak cukup tinggi dalam memprediksi atau mengklasifikasikan sentimen warganet twitter terhadap topik hepatitis akut. Dan untuk Nilai akurasi yang dihasilkan oleh model support vector machine sebesar 0.81 yang menjadikan model ini memiliki hasil klasifikasi/prediksi yang paling tepat dan optimal jika digunakan untuk mengklasifikasikan sentimen warganet twitter jika dibandingkan dengan model multinomial naive bayes.


Kata Kunci


Hepatitis Akut, Twitter, Naïve bayes, Support Vector Machine

Teks Lengkap:

PDF

Referensi


E. Putra Nuansa, “Analisis Sentimen Pengguna Twitter Terhadap Pemilihan Gubernur Dki Jakarta Dengan Metode Naïve Bayesian Classification Dan Support Vector Machine,” Inst. Teknol. Sepuluh Nop. Surabaya, pp. 1–101, 2017.

F. Syadid, “Analisis Sentimen Komentar Netizen Terhadap Calon Presiden Indonesia 2019 Dari Twitter Menggunakan Algoritma Term Frequency-Invers Document Frequency (Tf- Idf) Dan Metode Multi Layer Perceptron (Mlp) Neural Network,” Skripsi Univ. Islam Negeri Syarif Hidayatullah Jakarta, p. 72, 2019.

W. A. Prabowo and C. Wiguna, “Sistem Informasi UMKM Bengkel Berbasis Web Menggunakan Metode SCRUM,” J. Media Inform. Budidarma, vol. 5, no. 1, p. 149, 2021.

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, p. 113, 2018.

W. Zhang, T. Yoshida, and X. Tang, “A comparative study of TF*IDF, LSI and multi-words for text classification,” Expert Syst. Appl., vol. 38, no. 3, pp. 2758–2765, 2011.

M. Das, S. Kamalanathan, and P. Alphonse, “A Comparative Study on TF-IDF feature weighting method and its analysis using unstructured dataset,” CEUR Workshop Proc., vol. 2870, pp. 98–107, 2021.

F. J. Yang, “An implementation of naive bayes classifier,” Proc. - 2018 Int. Conf. Comput. Sci. Comput. Intell. CSCI 2018, pp. 301–306, 2018.

M. Lestandy, A. Abdurrahim, and L. Syafa’ah, “Analisis Sentimen Tweet Vaksin COVID-19 Menggunakan Recurrent Neural Network dan Naive Bayes,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 2, pp. 802–808, 2021.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” J. Teknoinfo, vol. 14, no. 2, p. 115, 2020.

H. Annur, “Klasifikasi Masyarakat Miskin Menggunakan Metode Naive Bayes,” Ilk. J. Ilm., vol. 10, no. 2, pp. 160–165, 2018.

V. K. S. Que, A. Iriani, and H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 2, pp. 162–170, 2020.

H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021.


Refbacks




Didukung oleh:

STMIK Kaputama
Jl. Veteran No. 4 A - 9 A Binjai Kota Email : maika.kaputama@gmail.com
p-ISSN : 2548-9720
@Copyright 2017||Jurnal Ilmiah Kaputama (JIKA)