Implementasi Naive Bayes Classifier untuk mencari Tren film di Twitter

Perkembangan film di Indonesia akhir-akhir ini semakin meningkat, mulai dari segi alur cerita, isi film dan aktor aktrisnya. Pada penelitian ini penulis ingin memprediksi jumlah penonton film Indonesia di twitter. Twitter adalah sebuah media social yang digunakan untuk mencari data komentar penonton melalui tweet-tweet pengguna twitter. Melalui sebuah prediksi diharapkan production house dan produser menyusun strategi agar film yang akan ditanyangkan laku dipasaran. Pada penelitian sebelumnya dilakukan menggunakan data film Hollywood, akan tetapi pada penelitian ini menggunakan data film Indonesia. Pada penelitian ini melakukan dua pendekatan melalui user dan tweet. Fitur-fitur yang pendekatan menggunakan data user, yaitu follower official, follower production house, follower produser, follower sutradara, dan follower 3 artis pemeran utama dalam film, sedangkan fitur-fitur dari data tweet, yaitu retweet, like, jumlah tweet yang mengandung URL. Tujuan dari penelitian ini adalah untuk menerapkan proses pre-processing untuk membentuk data masukan yang lebih cocok dimasukkan kedalam proses algoritma naïve bayes classifier. Hasil pengujian menggunakan algoritma naïve bayes classifier adalah sebesar 78.79%. Untuk meningkatkan performasi dan mencegah overfitting dari sistem yang dibangun, dapat dilakukan dengan menambahkan feature subset selection pada naïve bayes classifier yang mempunyai rata-rata akurasi sebesar 77.96%