Analisis Sentimen Pengguna Twitter Pada Akun Resmi Samsung Indonesia Dengan Menggunakan Naive Bayes

Dewasa ini mulai banyak penelitian yang dilakukan terhadap analisis analisis sentimen untuk mengklasifikasikan sentimen ke dalam beberapa kelas. Pemanfaatan analisis sentimen biasanya digunakan untuk mengevaluasi sebuah produk yang sentimen-sentimennya didapat dari feedback sebuah produk itu sendiri melalui sosial media khususnya twitter. Studi kasus yang digunakan sebagai uji coba implementasi analisis sentiment pada penelitian ini adalah akun twitter resmi Samsung Indonesia yang aktif dalam mempromosikan produk-produknya. Permasalahan analisis sentimen adalah bagaimana mengklasifikasikan sentimen kedalam kelas-kelas yang sudah ditentukan. Selanjutnya, untuk mengatasi permasalahan tersebut dilakukan pembelajaran mesin dengan menggunakan Naïve Bayes Classifier. Naïve Bayes Classifier merupakan salah satu metode machine learning yang menggunakan perhitungan probabilitas dengan kelebihan implementasi yang relative mudah dan menghasilkan akurasi yang baik. Untuk itu, pada penelitian ini juga akan dilihat akurasi Naïve Bayes Classifier jika diterapkan untuk mengklasifikasikan sentimen ke dalam sentiment positif dan negatif.Dari hasil uji coba dengan menggunakan metode 10-fold cross validation dengan data sebanyak 1500 tweet menunjukan bahwa metode Naïve Bayes Classifier dapat diterapkan pada analisis sentiment untuk mengklasifikasikan sentimen kedalam sentimen positif dan negative dengan rata-rata akurasi yang cukup tinggi mencapai 98.87% .

These days, there are lot of researchments which use to the sentiment analysis, to classify the sentiment into several classes. The using of sentiment analysis as usual to evaluate a product which its sentiment has got from the feedback that product itself through the social media, especially twitter. The case study that uses as the implementation experiment analysis sentiment was formal twitter account Samsung Indonesia that actively promote those products. Problems on the sentiment analysis is how to classify sentiment into classes that are already defined. Next, to handle this problem, the research made machine learning which used Naïve Bayes Classifier. Natives Bayes Classifier was one of method machine learnings that uses probability calculation with easy relative implementation andresulted positive accuration. Therefore, in this study will also be seen Naïve Bayes Classifier accuracy when applied to classify sentiment into positive and negative sentiment. From the test results using 10-fold cross validation with the data shows that as many as 1,500 tweets Naïve Bayes Classifier method can be applied to sentiment analysis to classify sentiment into positive and negative sentiment with an average accuracy is high enough to reach 98.87%.