PENINGKATAN PERFORMA KLASIFIKASI SENTIMEN TWEET KAESANG MENGGUNAKAN NAÏVE BAYES DENGAN PSO PADA DATASET KECIL

MUHAMMAD RAVIL, - (2024) PENINGKATAN PERFORMA KLASIFIKASI SENTIMEN TWEET KAESANG MENGGUNAKAN NAÏVE BAYES DENGAN PSO PADA DATASET KECIL. KLIK: Kajian Ilmiah Informatika dan Komputer, 4 (6). pp. 2909-2917. ISSN 2723-3898

Preview

Text
MUHAMMAD RAVIL.pdf
Download (2MB) | Preview

Official URL: https://djournals.com/klik/article/view/1939

Abstract

Setelah munculnya berita tentang penunjukan Kaesang sebagai Ketua Umum Partai Solidaritas Indonesia (PSI), berbagai spekulasi muncul di media sosial, khususnya di Twitter (X). Penelitian ini bertujuan untuk melakukan klasifikasi sentimen terhadap berita pengangkatan Kaesang sebagai Ketum PSI menggunakan algoritma Naïve Bayes yang dioptimalkan dengan Particle Swarm Optimization (PSO). Data yang digunakan dalam penelitian ini tweet tentang Kaesang dan tweet terkait COVID-19. Proses text preprocessing mencakup cleaning, case folding, tokenizing, stemming, dan stopword removal. TF-IDF digunakan untuk merepresentasikan kata dalam bentuk vektor. Pada eksperimen awal, Naïve Bayes melakukan klasifikasi dengan menggunakan data Kaesang ditambah dengan data COVID-19, masing-masing sebanyak 300 data untuk setiap label. Particle Swarm Optimization digunakan untuk meningkatkan kinerja algoritma Naïve Bayes. Hasil eksperimen menunjukkan bahwa model yang diuji dengan data uji memperoleh nilai f1-score tertinggi sebesar 50%.

Item Type:

Article

Contributors: