Ridho, Faiz Mohammad Ridho (2021) Analisis kinerja metode naive bayes pada klasifikasi teks islamophobia / Faiz Mohammad Ridho. Diploma thesis, Universitas Negeri Malang.
Full text not available from this repository.Abstract
Pada Mei 2013 terjadi pembunuhan yang dilakukan Michael Adebowale dan Michael Adebolajo terhadap tentara Inggris Lee Rigby di Woolwich London Tenggara. Insiden tersebut memicu kemarahan publik yang menyebabkan terjadinya serangkaian serangan terhadap Muslim sehingga meningkatkan insiden terkait Islamophobia. Selain sejumlah insiden yang terjadi secara offline ada juga orang yang menggunakan situs media sosial untuk melampiaskan kemarahan terhadap komunitas Muslim. Salah satu cara mengetahui adanya Islamophobia pada media sosial dapat menggunakan analisis sentimen. Analisis sentimen merupakan suatu proses memahami mengekstrak dan mengolah data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam suatu kalimat opini. Terdapat banyak metode klasifikasi teks yang bisa digunakan untuk melakukan analisis sentimen seperti halnya Naive Bayes Support Vector Machine Random Forest Long-Short Term Memory dan Convolutional Neural Network. Dalam penelitian ini metode analisis sentimen yang akan digunakan adalah metode Bernoulli Naive Bayes dan Multinomial Naive Bayes. Bernoulli Naive Bayes merupakan salah satu model klasifikasi dengan menggunakan binary. Multinomial Naive Bayes merupakan salah satu metode spesifik yang menggunakan conditional probability. Dalam penelitian ini digunakan 9 skenario perbandingan data test dan data train dalam proses pengujian. Dari skenario tersebut didapatkan tingkat akurasi tertinggi dari Bernoulli Naive Bayes sebesar 68% pada perbandingan 20 80 yang berarti 20% dataset digunakan sebagai data test dan 80% dataset digunakan sebagai data train. Kemudian tingkat akurasi tertinggi dari Multinomial Naive Bayes sebesar 68% pada perbandingan 10 90 yang berarti 10% dataset digunakan sebagai data test dan 90% dataset digunakan sebagai data train. Dari kedua algoritma Naive Bayes tersebut mempunyai nilai accuracy tertinggi yang sama yaitu sebesar 68% namun beda perbandingan data test dan data train. Hal tersebut menunjukkan bahwa Bernoulli Naive Bayes dan Multinomial Naive Bayes mempunyai kinerja yang sama untuk analisis sentimen opini pengguna Twitter terhadap isu Islamophobia. Namun dari kedua algoritma Naive Bayes tersebut Multinomial Naive Bayes mempunyai hasil yang lebih stabil karena nilai accuracy akan semakin tinggi saat data train yang digunakan semakin besar. Kemudian untuk menambah accuracy agar lebih tinggi dapat dilakukan dengan menambah variasi skenario preprocessing dan jangkauan dataset pada penelitian selanjutnya.
| Item Type: | Thesis (Diploma) |
|---|---|
| Subjects: | ?? ?? |
| Divisions: | Fakultas Teknik (FT) > Departemen Teknik Elektro (TE) > S1 Teknik Informatika |
| Depositing User: | library UM |
| Date Deposited: | 04 Nov 2021 04:29 |
| Last Modified: | 09 Sep 2021 03:00 |
| URI: | http://repository.um.ac.id/id/eprint/192558 |
Actions (login required)
 |
View Item |