Sentimen Etika Posting Pada Media Sosial Menggunakan Performa Terbaik

Abstract

Abstrak: Analisis  sentimen  berisikan dataset berbentuk teks yang bersifat positif, negatif atau netral dengan  mengungkapkan kata-kata dalam media sosial haruslah berhati-hati dan jangan ada unsur menghina atau melakukan pelanggaran hukum dapat mengakibatkan terkena pidana bagi mereka yang melakukan pelanggaran hukum terkait postingan di media sosial. Metode klasifikasi seperti Naive  Bayes(NB) diusulkan  oleh  banyak peneliti untuk digunakan pada analisis sentimen teks. Dari  metode naive bayes, akan diuji dengan tiga masukan yaitu menggunakan Tokenize (menghilangkan tanda baca), Transform Cases (merubah huruf besar menjadi huruf kecil) dan Stopwords (menghilangkan kata negatif) dari komentar bersifat positif (100 komentar teks) dan bersifat negatif (100 komentar teks). Dari hasil penelitian dengan menggunakan Naive Bayes didapat nilai AUC: 0.484 +/- 0.107 (mikro: 0.484) (positive class: Positif) dengan hasil akurasi 72,50, maka metode Naive Bayes dapat menghasilkan klasifikasi yang cukup untuk analisis sentimen etika posting pada media sosial.
.
 
Kata kunci: Etika Posting, Naïve Bayes, Media Sosial.
 
Abstract: Sentiment analysis with a unique dataset shaped text is positive, negative or neutral with expressing words in media social shall be careful and follow the insult or done can result in exposed for those who commit criminal law violations related to post on social media. A method of classification as naive bayes(nb) proposed by many researchers for use in the analysis sentiment text. Of the bayes naive, will be tested with three input that is using tokenize (remove) punctuation, the cases transform instead (change and a small type) stopwords (took the word negative) (100 of commentary is positive and negative comments text) (100) text commentary. The research using bayes naive obtained the auc: 0.484 + / - 0.107 micro (:0.484) (:class it with the positive) 72,50 accuracy , hence a method bayes can produce classifications naive enough to analysis.
 
Keywords: Ethics post, Naïve Bayes, Social Media.