Algoritma Machine Learning Naïve Bayes pada Analisis Sentimen Kesepakatan Polri dan GNPF-MUI pada Aksi Bela Islam III '212'
DOI:
https://doi.org/10.37638/sinta.4.2.151-160Abstract
Indonesia merupakan negara dengan masyarakat yang beragam yang terbentang dari Sabang sampai Merauke, dimana terdapat banyak suku, agama, budaya dan adat istiadat yang berbeda-beda. Dengan demikian, masyarakat Indonesia harus mempunyai sikap toleransi yang tinggi. Data mining adalah proses mencari pola atau informasi dari data terpilih dengan menggunakan teknik atau metode tertentu. Metode dalam data mining sangat bervariasi, pemilihan algoritma yang tepat sangat bergantung pada hasil dan tujuan Knowledge Discovery in Databases (KDD) secara keseluruhan. Tahapan dalam proyek ini adalah: pengambilan dataset, dataset, pra-pemrosesan, TF-IDF, algoritma, kinerja. Algoritma yang digunakan dalam analisis ini adalah: Naïve Bayes Algoritma naïve Bayes merupakan metode klasifikasi yang berakar pada teorema Bayes. Ciri utamanya adalah mempunyai asumsi yang sangat kuat terhadap kondisi yang terjadi.
References
Budiarto, J. (2021). Identifikasi Kebutuhan Masyarakat Nusa Tenggara Barat pada Pandemi Covid-19 di Media Sosial dengan Metode Crawling (Requirements Identification for NTB People in pandemic covid-19 at Social Media Using Crawling Method). 2(4), 244–250.
Fahrudin, T. M., Ruhui, A., Sari, F., Lisanthoni, A., & Dewi, A. A. (2022). Analisis Speech-to-Text pada Video Mengandung Kata Kasar dan Ujaran Kebencian dalam Ceramah Agama Islam Menggunakan Interpretasi Audiens dan Visualisasi Word Cloud. SKANIKA: Sistem Komputer dan Teknik Informatika, 5, 190–202.
Fanani, M. R. (2020). ALGORITMA NAÃVE BAYES BERBASIS FORWARD SELECTION UNTUK PREDIKSI BIMBINGAN KONSELING SISWA Jurnal DISPROTEK. Jurnal DISPROTEK, 11, 13–22.
Gifari, O. I., Adha, M., Hendrawan, I. R., Freddy, F., & Durrand, S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. JIFOTECH (JOURNAL OF INFORMATION TECHNOLOGY), 2(1), 36–40.
Kurniawan, F., & Qorni, Q. Al. (2023). Exploring Sentimen Analysis Using Machine Learning : A Case Study on Partai Demokrasi Indonesia Perjuangan ( PDIP ) in the 2024 General Election. sinomics juournal, 2(4), 911–920.
Muttaqin, M. N., & Kharisudin, I. (2021). Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor. UNNES Journal of Mathematics, 10(2), 22–27. http://journal.unnes.ac.id/sju/index.php/ujm
Purnomo, J., Sukemi, S., Parwito, P., & Ermatita, E. (2022). Implementation of Fuzzy C-Means and Topsis in College Rankings. Journal of Information Systems and Informatics, 4(4), 1094-1111.
Que, V. K. S., Iriani, A., & Purnomo, H. D. (2020). Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization ( Online Transportation Sentiment Analysis Using Support Vector Machine Based on Particle Swarm Optimization ). Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 9(2), 162–170.
Sari, F. V., & Wibowo, A. (2019). Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Jurnal SIMETRIS, 10(2), 681–686.
Septian, J. A., Fahrudin, T. M., & Nugroho, A. (2019). Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF - IDF dan K - Nearest Neighbor. JOURNAL OF INTELLIGENT SYSTEMS AND COMPUTATION, 43–49.
Sidik, F., Suhada, I., Anwar, A. H., & Hasan, F. N. (2022). Analisis Sentimen Terhadap Pembelajaran Daring dengan Algoritma Naïve Bayes Classifier. jurnal linguistik komputasional, 5(1), 34–43.
