KLASIFIKASI SENTIMEN SARA, HOAKS DAN RADIKAL PADA POSTINGAN MEDIA SOSIAL MENGGUNAKAN ALGORITMA NAIVE BAYES MULTINOMIAL TEXT

Febry Eka Purwiantono, Addin Aditya

Abstract


Penelitian ini bertujuan untuk menerapkan sebuah algoritma klasifikasi yang dapat menjustifikasi sentimen pada kumpulan cuitan Twitter yang diposting oleh masyarakat Indonesia. Penerapan algoritma ini nantinya akan mengklasifikasikan cuitan mana yang mengandung unsur pelanggaran yang diatur dalam UU-ITE. Dengan adanya penerapan algoritma klasifikasi ini diharapkan dapat membantu pemerintah khususnya Kepolisian Republik Indonesia dan Badan Intelijen Negara dalam merumuskan kebijakan mengenai tindakan pencegahan pelanggaran UU-ITE serta mencegah penyebaran paham radikalisme, informasi palsu dan isu SARA di Negara Indonesia. Teknik pengumpulan data yang dilakukan pada penelitian ini yaitu menggunakan Twitter API (Application Programming Interface). Sedangkan algoritma klasifikasi yang digunakan pada penelitian ini yaitu Naive Bayes Multinomial Text. Algoritma ini dipilih karena mampu mengklasifikasikan dokumen dengan memperhitungkan jumlah kemunculan kata. Dari hasil kompilasi dan data yang diolah, algoritma ini mampu menjustifikasi sentimen secara akurat kurang lebih 99,62%.

Full Text:

PDF

References


Abidin, T.F. 2012. Accuracy Measure. Program Studi Teknik Informatika FMIPA Universitas Syiah Kuala.

Adityawan, E. 2014. Analisis Sentimen Dengan Klasifikasi Naive Bayes Pada Pesan Twitter Menggunakan Data Seimbang.

Azizah, N. et al. 2019. Metode Naive Bayes Dengan Pendekatan Distribusi Gauss Untuk Klasifikasi Peminatan Peserta Didik. Prosiding Seminar Nasional Matematika, Statistika, dan Aplikasinya 2019 , pp. 8–14.

Kalokasari, D.H. et al. 2017. IMPLEMENTASI ALGORITMA MULTINOMIAL NAIVE BAYES CLASSIFIER PADA SISTEM KLASIFIKASI SURAT KELUAR (Studi Kasus : DISKOMINFO Kabupaten Tangerang). JURNAL TEKNIK INFORMATIKA . doi: 10.15408/jti.v10i2.6199.

Kurniawan, B. et al. 2017. Klasifikasi Berita Twitter Menggunakan Metode Improved Naïve Bayes. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya 1(10), pp. 1193–1200.

Mahfud, F.K.R. et al. 2020. Sentiment Analysis of Perpustakaan Nasional Republik Indonesia Through Social Media Twitter. Matics 12(1), p. 90. doi: 10.18860/mat.v12i1.8973.

Mahfud, F.K.R. and Tjahyanto, A. 2017. Improving Classification Performance of Public Complaints With TF-IGM Weighting. 2017 International Conference on Sustainable Information Engineering and Technology (SIET) , pp. 220–225.

Prianto, C. and Bunyamin, S. 2020. Pembuatan aplikasi clustering gangguan jaringan menggunakan metode K-Means Clustering. Kreatif Industri Nusantara.

Statista 2019. Twitter: number of users in Indonesia 2019 | Statista. Available at: https://www.statista.com/statistics/490548/twitter-users-indonesia/ [Accessed: 15 August 2019].

Wahyuni, R.T. et al. 2017. Penerapan Algoritma Cosine Similarity dan Pembobotan TF-IDF pada Sistem Klasifikasi Dokumen Skripsi. Jurnal Teknik Elektro 9(1), pp. 18–23.




DOI: https://doi.org/10.33365/jtk.v14i2.709

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Febry Eka Purwiantono, Addin Aditya

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jurnal Tekno Kompak
Published by Universitas Teknokrat Indonesia
Organized by Program Studi D3 Sistem Informasi Akuntansi - Universitas Teknokrat Indonesia
Jl. Zainal Abidin Pagaralam, No.9-11, Labuhanratu, Bandarlampung, Indonesia
Telepon : 0721 70 20 22
W : http://ejurnal.teknokrat.ac.id/index.php/teknokompak
E  : teknokompak@teknokrat.ac.id.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Jumlah Pengunjung : View Tekno Kompak StatsCounter

Flag Counter