ANALISIS SENTIMEN TERHADAP PENERAPAN SISTEM PLAT NOMOR GANJIL/GENAP PADA TWITTER DENGAN METODE KLASIFIKASI NAIVE BAYES

Penerapan sistem Ganjil Genap pada rambu lalu lintas merupakan kebijakan pemerintah terutama untuk mengurangi kemacetan di ibu kota, dengan cara tersebut pemerintah memberikan solusi kepada pengguna jalan terutama angkutan umum karena di ibu kota banyak pengguna kendaraan pribadi terutama mobil yang bisa membuat kemacetan parah, karena makin banyak para pengguna kendaraan pribadi pada saat hari kerja. Dalam penelitian ini mencoba untuk menganalisis hasil sentimen pada twitter untuk kebijakan ganjil genap tersebut, sehingga dapat mengelompokkan pengguna twitter menjadi opini positif dan negatif, penelitian ini menggunakan metode data mining untuk klasifikasi dengan algoritma Naive Bayes Classifier, Naive Bayes Classifier (NBC) merupakan metode yang berdasarkan atas probabilitas bayes untuk melakukan pengelompokan data. Penelitian ini menghasilkan klasifikasi teks dalam bentuk positif dan negatif untuk penerapan lalu lintas ganjil genap, dalam penelitian ini menghasilkan accuracy 86,67%, precision 71,43% dan recall 80,00%