Analisis sentimen film pada Twitter berbahasa Indonesia menggunakan Ensemble Features dan Naïve Bayes

Analisis sentimen atau opinion mining merupakan salah satu topik penelitian terkini di bidang pengolahan informasi yang bertujuan untuk mengetahui apakah polaritas sebuah data yang berbentuk teks (dokumen, kalimat, paragraf) akan mengarah pada bersifat positif, negatif, ataupun netral. Dokumen teks yang digunakan dalam penelitian berasal dari Twitter tentang opini film berbahasa Indonesia. Twitter memiliki banyak fitur yang mana salah satunya dapat dimanfaatkan sebagai sarana untuk mengetahui opini film dari seluruh pengguna secara umum tidak terbatas oleh pecinta film saja. Dalam hal ini analisis sentimen mempunyai peranan penting untuk menunjang sarana tersebut. Metode yang digunakan adalah Naïve Bayes dengan menggunakan Ensemble Features sebagai pembaharuan fitur selain Bag of Words Features. Jenis-jenis Ensemble Features antara lain Twitter specific features, textual features, part of speech features, dan lexicon based features. Data yang digunakan pada penelitian ini sebanyak 500 data yang dibagi menjadi dua jenis data dengan perbandingan 70% untuk data latih dan 30% untuk data uji. Hasil akurasi sistem diperoleh dari analisis sentimen dengan metode Naïve Bayes dan Ensemble Features tanpa bag of words features sebesar 61,33%, precision sebesar 0,6308, recall sebesar 0,5467 dan f-measure sebesar 0,5857. Sedangkan hasil akurasi sistem menggunakan Ensemble Features dan Bag of Words Features sebesar 88,67 %, precision sebesar 0,9143, recall sebesar 0,8583, dan f-measure sebesar 0,8828