Analisis sentimen Debat Calon Presiden dan Wakil Presiden Republik Indonesia 2019 Menggunakan Algoritma Naive Bayes Classifier

1503015130 - Rizky Zein Adam; Atiqah Meutia Hilda, S.Kom., M.kom; Ir. Sriyono, MMSI;

Berita merupakan laporan tepat waktu yang menarik atau penting, atau keduanya, untuk sejumlah orang banyak. Informasi yang terdapat pada berita dapat berupa opini atau fakta, baik yang bersifat positif maupun negatif. Analisis sentimen merupakan cabang penelitian text mining untuk mengklasifikasikan suatu entitas pada dokumen teks. Penelitian ini dilakukan dengan mengklasifikasikan sentimen menggunakan dataset headline dan isi berita mengenai debat calon presiden dan wakil presiden Republik Indonesia tahun 2019. Analisis sentimen dalam penelitian ini terbagi menjadi dua kelas, yaitu positif dan negatif. Data yang digunakan diambil dari media berita Detik, Kompas, Sindonews, Viva, Republika, dan CNNIndonesia yang terkait dengan penelitian. Pembobotan dilakukan menggunakan TF-IDF dan algoritma yang digunakan dalam penelitian ini adalah algoritma Naïve Bayes Classifier dengan model Multinomial Naïve Bayes. Berdasarkan perhitungan yang telah dilakukan, maka diperoleh nilai perbandingan dari setiap kegiatan debat dimana 42,3% positif dan 57,7% negatif dari 130 dataset untuk debat pertama, 48,0% positif dan 52,0% negatif dari 122 dataset untuk debat kedua, 44,0% positif dan 56,0% negatif dari 124 dataset untuk debat ketiga, dan 44,0% positif dan 56,0% negatif dari 100 dataset untuk debat keempat. Sementara nilai akurasi yang didapat pada setiap debat sebesar 76,923% untuk debat pertama, 80% untuk debat kedua, 84% untuk debat ketiga, dan 95% untuk debat keempat.