Implementasi dan Analisis Klasifikasi Sentimen pada Tweet Berbahasa Indonesia dengan Multinomial Naive Bayes

ABSTRAKSI: Twitter merupakan jejaring sosial yang sedang marak di dunia, termasuk juga di Indonesia. Penggunanya di Indonesia mencapai 9,9 juta dengan tingkat pengaksesan 22% dari populasi netizen. Ini menunjukan bahwa Twitter merupakan salah satu media yang patut diperhitungkan untuk menganalisis sentimen masyarakat Indonesia. Tugas akhir ini akan menggunakan multinomial naive bayes untuk mengelompokkan tweet berdasarkan kelas sentimennya, yaitu positif, negatif, atau netral. Data collection yang digunakan adalah data collection berbahasa Indonesia, sebab mayoritas masyarakat Indonesia mentweet dengan bahasa Indonesia. Ada pun klasifikasi yang dilakukan menggunakan unigram, bigram, trigram, dan pos tag sebagai atribut. Setelah dilakukan pengujian dengan beberapa skenario, menunjukkan bahwa multinomial naive bayes dapat digunakan untuk mengelompokkan tweet berbahasa Indonesia berdasarkan kelas sentimen. Ini terlihat dari accuracy sistem yang mencapai 95,539%.Kata Kunci : analisis sentimen, twitter, multinomial naive bayesABSTRACT: Twitter is a social network wich is glowing in the world, including Indonesia. Twitter users in Indonesia reached 9.9 million with accessing rate 22% of all Indonesian netizen population. This show that Twitter is one of media to be reckoned with to analize Indonesian public sentiment. This undergraduate thesis wil use multinomial naive bayes to classified tweet by its sentiment, that are positive, negative or neutral. The data collection that used was the data collection with Indonesian language, because most of Indonesian people twitting in Indonesian language. And for the classifivation were performed using unigrams, bigrams, trigrams, and pos tag as the attributes. After testing with several scenarios, showed that the multinomial naive bayes is relevant to be used for classifiying Indonesian language tweets by the sentiment. This is showed by the system accuracy is achieved 95.539%.Keyword: sentiment analysis, twitter, multinomial naive baye