Analisis Sentimen Terhadap Film Dirty Vote Pada Platfom Twitter (X) Dengan Metode Naïve Bayes Dan Cosine Smiliarity
Abstract
Penelitian bertujuan untuk menganalisis sentimen pengguna media sosial terhadap film "Dirty Vote" menggunakan metode text mining dan algoritma Naïve Bayes. Data diambil melalui teknik crawling dari Twitter (X) untuk mendapatkan tweet yang berkaitan dengan film tersebut. Setelah data dikumpulkan, dilakukan pelabelan secara manual untuk menentukan apakah sentimen yang terkandung dalam tweet tersebut bersifat positif atau negatif. Proses pre-processing dilakukan untuk membersihkan data dan menyiapkannya untuk analisis lebih lanjut, termasuk tokenisasi dan stemming. Pembobotan kata menggunakan teknik Term Frequency-Inverse Document Frequency (TF-IDF) diterapkan untuk menentukan pentingnya kata-kata dalam konteks dokumen. Algoritma Naïve Bayes kemudian digunakan untuk memodelkan dan mengklasifikasikan sentimen. Evaluasi model dilakukan dengan Confusion Matrix dan K-fold Cross Validation untuk memastikan akurasi hasil yang diperoleh. Hasil penelitian menunjukkan bahwa model yang dibangun memiliki akurasi yang cukup tinggi dalam mengklasifikasikan sentimen, memberikan pengetahuan yang berguna bagi pembuat film dan pemasar dalam memahami persepsi publik terhadap film "Dirty Vote".
Kata Kunci: Analisis Sentimen, Film Dirty Vote, Twitter (X), Naive Bayes, Cosine Similarity.
References
Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI, 5(2), 697–711.
Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Comparison of Naïve Bayes and Support Vector Machine Methods in Twitter Sentiment Analysis. Smatika Jurnal, 10(02), 71–76.
Asri, R. (2020). Membaca Film Sebagai Sebuah Teks: Analisis Isi Film “Nanti Kita Cerita Tentang Hari Ini (NKCTHI).” Jurnal Al Azhar Indonesia Seri Ilmu Sosial, 1(2), 74. https://doi.org/10.36722/jaiss.v1i2.462
Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal Teknoinfo, 14(2), 115. https://doi.org/10.33365/jti.v14i2.679
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131. https://doi.org/10.33365/jtk.v15i1.744
Styawati, S., Hendrastuty, N., & Isnain, A. R. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150–155. https://doi.org/10.30591/jpit.v6i3.2870
AZMI, F., Saleh, A., & Dharshinni, N. P. (2020). Face Identification on Login Security Using Algorithm Combination of Viola-Jones and Cosine Similarity. Journal of Informatics and Telecommunication Engineering, 4(1), 203–211. https://doi.org/10.31289/jite.v4i1.3885
Telaumbanua, K., & Nababan, L. (2022). Implementasi Metode Cosine Similarity Dalam Mendeteksi Kemiripan Dan Perbedaan Gambar Hasil Scan Berbasis Android. Informatics Engineering and Electronic Data (IEED), 1(1), 27–36. https://doi.org/10.59840/ieed.v1i1.176
M Yunus, B. (2020). Similarity Detection for Hadith of Fiqh of Women using Cosine Similarity and Boyer Moore Method. International Journal of Advanced Trends in Computer Science and Engineering, 9(1), 65–73. https://doi.org/10.30534/ijatcse/2020/11912020