Analisis Perbandingan Algoritma LSTM dan Naive Bayes untuk Analisis Sentimen

Auliya Rahman Isnain, Heni Sulistiani, Bagus Miftaq Hurohman, Andi Nurkholis, Styawati Styawati

Abstract


New Normal merupakan sebuah sebutan bagi kebijakan pemerintah untuk mengizinkan masyarakatnya melakukan aktifitas seperti biasa di tengah pandemi Covid-19 yang sedang melanda dengan tetap memperhatikan protokol kesehatan. Kebijakan ini menimbulkan berbagai tanggapan dari masyarakat terutama di media sosial twitter. Untuk itu, diperlukan proses analisis sentimen untuk melakukan pemrosesan terhadap teks yang didapat dari twitter. Analisis sentimen adalah bentuk representasi dari text mining dan text processing. Pada penelitian ini melakukan perbandingan kinerja metode Long Short Therm Memory dengan Naïve Bayes terhadap analisis sentimen Kebijakan New Normal. Hasil yang diperoleh dari penelitian ini yaitu metode  LSTM memiliki kinerja yang lebih baik bila dibandingkan dengan Naïve Bayes. Metode LSTM menghasilkan nilai akurasi, presisi dan recall sebesar 83.33%. Sedangkan metode Naïve Bayes memiliki nilai akurasi, presisi dan recall sebesar 82%.

Keywords


Analisis Sentimen; LSTM; Naïve Bayes; New Normal

Full Text:

PDF

References


L. Septiani and Y. Sibaroni, “Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia,” J. Linguist. Komputasional, vol. 2, no. 2, pp. 62–67, 2019, doi: 10.26418/jlk.v2i2.23.

Y. Rafita, “Social Network Analysis Dalam Melihat Kecenderungan Pemberitaan Pada Akun Twitter ‘@detikcom’ dan ‘@Metro_TV,’” Khazanah, vol. 6, no. 2, pp. 67–81, 2014, doi: 10.20885/khazanah.vol6.iss2.art7.

M. Syarifuddin, “Analisis Sentimen Opini Publik Terhadap Efek Psbb Pada Twitter Dengan Algoritma Decision Tree-Knn-Naïve Bayes,” INTI Nusa Mandiri, vol. 15, no. 1, pp. 87–94, 2020, doi: 10.33480/inti.v15i1.1433.

B. Gunawan, H.S. Pratiwi and E.S. Pratama, " Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes", Jurnal Edukasi dan Penelitian Informatika, Vol. 4 No. 2, Desember 2018.

U. Rofiqoh, R.S. Perdana, and M.A. Fauzi, " Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexicon Based Features", Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 1, No. 12, Desember 2017, hlm. 1725-1732.

N. Fitriyah, B. Warsito, and D.A.I. Maruddani, "Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (SVM)", JURNAL GAUSSIAN, Volume 9, Nomor 3, Tahun 2020, Halaman 376 -390.

I. Taufik, and S.A. Pamungkas, "Analisis Sentimen Terhadap Tokoh Publik Menggunakan Algoritma Support Vector Machine (SVM)", Jurnal “LOG!K@” , Jilid 8, No. 1, 2018, Hal. 69 - 79.

D.G. Nugroho, Y.H. Chrisnanto, and A. Wahana, "Analisis Sentimen Pada Jasa Ojek Online Menggunakan Metode Naïve Bayes", Prosiding SNST ke-7 Tahun 2016, Fakultas Teknik Universitas Wahid Hasyim Semarang.

F. Ratnawati, "Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Opini Film Pada Twitter", Jurnal Inovtek Polbeng - Seri Informatika, Vol. 3, No. 1 , Juni 2018.

J. Nurvania, Jondri, and K.M. Lhaksamana, "Analisis Sentimen Pada Ulasan di TripAdvisor Menggunakan Metode Long Short-Term Memory (LSTM)", e-Proceeding of Engineering : Vol.8, No.4 Agustus 2021.

C.K. Poetra, S.F. Pane, and Rd. N.S. Fatonah, "Meningkatkan Akurasi Long-Short Term Memory (LSTM) Pada Analisis Sentimen Vaksin Covid-19 di Twitter dengan Glove", Jurnal Telamtika, Vol. 16 No. 2, Institut Teknologi Harapan Bangsa Bandung, 2021.

M. A. Nurrohmat and A. SN, “Sentiment Analysis of Novel Review Using Long Short-Term Memory Method,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 209, 2019, doi: 10.22146/ijccs.41236.

H. Apriyani and Kurniati, "Perbandingan Metode Naïve Bayes dan Support Vector Machine dalam Klasifikasi Penyakit Diabetes Melitu", Jour. of Inf. Tech. Ampera, Vol. 1, No. , December 2020.

R.N. Devita, H.W. Herwanto and A.P. Wibawa, "Perbandingan Kinerja Metode Naïve Bayes dan K-Nearest Neighbor untuk Klasifikasi Artikel Berbahasa Indonesia", J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, Vol. 5, No. 4, September 2018.

Elisabeth, " Perbandingan Sentimen Analisis Terhadap Brand Indomie Menggunakan Naive Bayes dan Long Short Term Memory (LSTM)", Program Studi Sistem Informasi, Fakultas Teknik dan Informatika, Universitas Multimedia Nusantara, 2018.

S.R.M. Pakpahan, I. Indriati and M. Marji, "Analisis Sentimen Tentang Opini Performa Klub Sepak Bola pada Dokumen Twitter Menggunakan Support Vector Machine dengan Perbaikan Kata Tidak Baku", J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, Vol. No. 7, 2019.

B. Liu, “Sentiment Analysis : A Multi-Faceted Problem,” no. 1, 2010.

R. Feldman and J. Sanger, "The Text Mining Handbook". Cambridge, 2007.

A. Khumaidi, R. Raafi'udin and I.P. Solihin, "Pengujian Algoritma Long Short Term Memory untuk Prediksi Kualitas Udara dan Suhu Kota Bandung", Jurn. Telematika, vol. 15, No. 1, Institut Teknologi Harapan Bangsa, 2020.

L. Zaman, S. Sumpeno, and M. Hariadi, “Analisis Kinerja LSTM dan GRU sebagai Model Generatif untuk Tari Remo,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 2, p. 142, 2019, doi: 10.22146/jnteti.v8i2.503.

M. Rizki, S. Basuki, and Y. Azhar, “Implementasi Deep Learning menggunakan Arsitektur Long Short Term Memory (LSTM) untuk Prediksi Curah Hujan Kota Malang", Vol. 2, No. 3 Maret 2020,” Jurnal Repositor, vol. 2, no. 3, 2020.

D. Qiu, H. Jiang and S. Chen, "Fuzzy Information Retrieval Based on Continuous Bag-of-Words Model", Symmetry, 12, 225, 2020.

A. R. Isnain, A. Sihabuddin, and Y. Suyanto, “Bidirectional Long Short Term Memory Method and Word2vec Extraction Approach for Hate Speech Detection,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 14, no. 2, p. 169, 2020, doi: 10.22146/ijccs.51743.

M. H. Azhar, P. P. Adikara, and Y. A. Sari, “Analisis Sentimen pada Ulasan Hotel dengan Fitur Score Representation dan Identifikasi Aspek pada Ulasan Menggunakan K-Modes,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 2777–2782, 2018.

M. Akbar, "Perbandingan Algoritme Naïve Bayes Classifier Dan Knearest Neighbors Pada Prediksi Pergerakan Mata Uang Dollar Amerika (USD) Terhadap Harga Emas", Jurusan Teknik Elektro, Fakultas Teknologi Industri, Universitas Islam Indonesia, 2020.




DOI: http://dx.doi.org/10.26418/jp.v8i2.54704

Refbacks

  • There are currently no refbacks.