Analisis Sentimen Terhadap Kendaraan Listrik Pada Platform Twitter Menggunakan Metode Naive Bayes

Abstract

Kehadiran Kendaraan Listrik menimbulkan pro dan kontra dikalangan masyarakat seperti yang ramai dibicarakan di media sosial twitter. Sebagian kalangan masyarakat berpendapat kendaraan listrik di klaim efektif menjadi solusi deficit migas tetapi sebagiannya lagi berpendapat bahwa unuk menuju kendaraan listrik persiapan yang matang, khususnya dari segi infrastruktur. Melihat banyaknya opini yang ada di Twitter, penting untuk melakukan klasifikasi sentimen guna memudahkan identifikasi kecenderungan opini terhadap kendaraan listrik, apakah cenderung positif, negatif, atau netral. Dalam penelitian ini peneliti menggunakan platform twitter yang terdiri dari tahapan crawling data, cleaning, preprocessing (case folding, tokenizing, stopword removal), labelling. Naïve Bayes dipilih sebagai algoritma yang digunakan karena memiliki nilai probabilitas atau peluang tertinggi dalam klasifikasi sentimen. untuk pengujian data menggunakan confusion matrix bahasa pemrograman python menggunakan Google Colaboratory. hasil penelitian ini terdapat analisis sentimen mengenai kendaraan listrik dengan jumlah data 1.301, positif sebanyak 940 data, negatif 120 data, dan netral 241 data. Berdasrkan hasil pengujian confusion matrix bahasa pemrograman Python menggunakan Google Colaboratory didapatkan hasil akurasi 75% dengan nilai precision positif 81%, negatif 15%, Netral 30% dan tingkat keberhasilan recal positif 75%. Nilai ini menunjukan bahwa klasifikasi algoritma naïve bayes dinilai cukup baik dalam pemrosesan dokumen twitter dikarenakan persentase akurasinya sebesar 81%, negatif 15%, netral 30% sehingga membuktikan sentiment masyarakat pada platfrom twitter mengenai kendaraan listrik tergolong positif.