Analisis Emosi Pada Media Sosial Twitter Menggunakan Metode Naïve Bayes Dan Synthetic Minority Oversampling Technique

Dengan menggunakan media sosial Twitter seseorang dapat mengekspresikan opini mereka melalui sebuah cuitan. Cuitan tersebut dapat mengandung emosi atau perasaan dari sang penulis. Emosi dari setiap cuitan dapat digunakan untuk pengambilan keputusan pada bidang bisnis, hukum, kesehatan atau dalam kehidupan bersosial. Namun, dalam melakukan analisis cuitan dari media sosial Twitter biasanya ada ketidakkesimbangan jumlah data antar kelas. Maka, pada penelitian ini akan diterapkan metode gabungan dari Naïve Bayes (NB) dengan model Gaussian Naïve Bayes (GNB) dan Synthetic Minority Oversampling Technique (SMOTE) untuk analisis emosi cuitan dari media sosial Twitter. Preprocessing data pada penelitian ini meliputi case folding, data cleaning, convert slangword, convert negation, tokenization, stopword removal, dan stemming. Untuk ekstraksi fitur digunakan metode n-gram dan untuk pembobotan fitur digunakan metode term frequency. Pengujian dilakukan menggunakan K-Fold Cross Validation. Berdasarkan hasil pengujian, gabungan model klasifikasi NB dan SMOTE menghasilkan nilai rata-rata akurasi sebesar 0.47 atau 47% dan nilai rata- rata f1-score sebesar 0.48 atau 48%, dimana nilai performansi tersebut sama dengan nilai akurasi dan f1-score metode NB tanpa SMOTE. Dari hasil tersebut dapat ditarik kesimpulan bahwa performansi dari gabungan metode NB dan SMOTE dalam melakukan analisis emosi pada cuitan Twitter masih kurang baik.