Afifah, Nurul
(2023)
Perbandingan Metode Naïve Bayes Classifier (NBC) dengan Support
Vector Machine (SVM) dalam Klasifikasi Sentimen Mobil
Listrik Menggunakan Data Twitter.
Skripsi thesis, Universitas Negeri Padang.
Abstract
Mobil listrik mulai menarik perhatian masyarakat karena manfaatnya
dalam mengurangi emisi gas karbon dan memberi dampak positif pada
lingkungan. Namun, diantara kelebihan tersebut terdapat beberapa kekurangan
yang dimiliki oleh mobil listrik. Diantaranya harga mobil listrik yang relatif mahal
dan tempat pengisian bahan bakar yang masih minim di Indonesia. Sehingga,
penggunaan mobil listrik sebagai alternatif dari mobil konvensional menuai
pendapat positif dan negatif dari masyarakat. Oleh karenanya, peran analisis
sentimen sangat diperlukan ketika terjadi beragam pendapat yang bertujuan untuk
menganalisis teks apakah pesan tersebut bernada emosional positif atau negatif.
Analisis sentimen mengenai persepsi masyarakat terhadap mobil listrik
sangat penting bagi produsen mobil listrik dan pemerintah dalam merancang
strategi pemasaran dan kebijakan yang efektif. Melalui sentimen positif dan
negatif tersebut, produsen dapat melakukan evaluasi untuk meningkatkan kualitas
dan daya tarik dari mobil listrik. Untuk menganalisis sentimen dari ulasan
mengenai mobil listrik menggunakan data yang berasal dari media sosial twitter,
digunakan metode klasifikasi Naïve Bayes Classifier (NBC) dan Support Vector
Machine (SVM). Dimana NBC mengandalkan kesederhanaan dan probabilitas
dalam melakukan klasifikasi sedangkan SVM bekerja dengan menemukan
hyperplane terbaik. Untuk mengetahui hasil kerja dari metode NBC dan SVM,
digunakanlah confusion matrix dan kurva ROC AUC.
Hasil penelitian menunjukkan bahwa metode SVM lebih baik dalam
mengklasifikasikan sentimen mobil listrik dibanding NBC. Hal ini dilihat dari
akurasi yang dihasilkan dengan kelas positif sebanyak 78,37% dan kelas negatif
sebanyak 21,63%. Dimana perolehan akurasi SVM adalah 82% dengan nilai AUC
85,4% dan akurasi NBC adalah 77,8% dengan nilai AUC sebesar 78,5%. Artinya,
model naïve bayes berhasil memprediksi kelas yang tepat untuk 77,8% data dan
model SVM berhasil memprediksi kelas yang tepat untuk 82% data.
Actions (login required)
|
View Item |