Analisis Sentimen Masyarakat Terhadap Mass Rapid Transit Jakarta Menggunakan Metode Naive Bayes Dengan Normalisasi Kata

Sejak mass rapid transit (MRT) Jakarta dioperasikan, terdapat berbagai opini dari masyarakat mengenai fasilitas maupun pelayanan dari MRT Jakarta yang disampaikan melalui media sosial seperti Twitter, lnstagram, TikTok, dan YouTube. Dalam penulisan opini di media sosial, sering ditemukan kesalahan seperti kata tidak baku, singkatan, dan salah ketik yang dapat mempersulit proses klasifikasi. Berdasarkan hal tersebut, penelitian ini akan menggunakan normalisasi kata dengan kamus slang words dan singkatan serta normalisasi kata dengan Peter Norvig. Opini yang telah disampaikan oleh masyarakat harus dianalisis dengan benar agar dapat menghasilkan informasi yang bermanfaat untuk PT MRT Jakarta. Dalam melakukan analisis sentimen diperlukan metode untuk klasifikasi dan metode klasifikasi yang akan digunakan adalah metode Naive Bayes. Pengujian dalam penelitian ini menggunakan 5-fold dan untuk setiap foldnya menggunakan 200 data latih dan 50 data uji. Berdasarkan hasil pengujian, dapat disimpulkan bahwa klasifikasi lebih baik menggunakan normalisasi kata karena dengan adanya normalisasi kata dapat menyamakan dua kata yang memiliki makna sama sehingga dapat meningkatkan bobot kata. Hal ini dibuktikan dengan terjadinya peningkatan precision dari 0,83 menjadi 0,903, recall dari 0,88 menjadi 0,944, f-measure dari 0,853 menjadi 0,922, dan accuracy dari 0,83 menjadi 0,903. Hasil evaluasi rata-rata 5-fold dari klasifikasi Naive Bayes dengan normalisasi kata menggunakan kamus slang words dan singkatan serta normalisasi kata menggunakan Peter Norvig menghasilkan 0,903 untuk precision, 0,944 untuk recall, 0,922 untukf-measure, dan 0,903 untuk accurac