Optimalisasi Algoritma Naive Bayes Dengan Teknik Ensemble Dalam Analisis Sentimen Twitter Pantai Kartini Jepara

Abstract

Penelitian ini memanfaatkan Twitter untuk menganalisis opini publik tentang Pantai Kartini Jepara, dengan fokus pada optimisasi algoritma Naive Bayes dalam analisis sentimen. Penelitian ini mengidentifikasi bahwa akurasi Naive Bayes terbatas dalam menangani data besar dan kompleks. Tujuan utamanya adalah meningkatkan akurasi dan efisiensi analisis sentimen melalui optimisasi parameter dan teknik ensemble. Metode penelitian melibatkan pengumpulan data Twitter dari 2010–2023, preprocessing data, pelatihan model Naive Bayes, SVM, dan ensemble, serta evaluasi performa menggunakan akurasi, presisi, recall, dan F1-score. Model ensemble yang menggabungkan Naive Bayes dan SVM mencapai akurasi tertinggi sebesar 88,81%, meningkat dari 83,91% pada Naive Bayes dasar dan 86,01% pada SVM, menunjukkan perbaikan signifikan dalam analisis sentimen. Kombinasi algoritma Naive Bayes dengan teknik optimasi dan ensemble meningkatkan akurasi analisis sentimen. Penelitian selanjutnya disarankan untuk mengeksplorasi penerapan model ini pada data yang lebih besar atau platform media sosial lain.

GS Cited Analysis