Optimasi Naïve Bayes menggunakan Seleksi Fitur Forward Selection untuk Analisis Sentimen Kendaraan Listrik

Salman Alfarizi, Deni Gunawan, Hasan Basri, Alif Rizqi Mulyawan, Nurul Ichsan

Abstract


Isu pemanasan global menjadi perhatian utama para pemimpin di beberapa negara termasuk Indonesia. Salah satu kontribusi untuk mengurangi emisi karbon yang berakibat pada pemanasan global yaitu dengan menggulirkan kebijakan kendaraan listrik. Pro kontra kebijakan kendaraan Listrik di Indonesia telah merambah ke berbagai ruang diskusi publik termasuk media social X (Twitter). Berdasakan hal tersebut penelitian ini bermaksud untuk menganalisis sentimen Masyarakat pada media social X tentang kebijakan kendaraan Listrik dilakukan klasifikasi dengan memanfaatkan algoritma naïve bayes berbasis forward selection. Berdasarkan pengujian model klasifikasi naïve bayes ditambahkan forward selection dihasilkan accuracy sebesar 82,11% dengan nilai AUC 0,801. Ada kenaikan nilai accuracy sebesar 2,67% dibandingkan tanpa menggunakan seleksi fitur forward selection yang hanya mencapai accuracy dikisaran 79,43 % dengan nilai AUC 0,639. Peneliti menarik Kesimpulan bahwa penggunaan seleksi fitur menggunakan forward selection dapat berkontribusi meningkatkan algoritma naïve bayes dalam klasifikasi sentimen pada kendaraan yang bertenaga listrik.

Keywords


Naïve bayes, Analisis sentimen, Forward Selection

Full Text:

PDF

References


Bagus, D., Prasetiyo, C., Andono, N., & Supriyanto, C. (2023). Metode Naive Bayes Classifier dan Forward Selection Untuk Deteksi Berita Hoaks Bahasa Indonesia. JURNAL MEDIA INFORMATIKA BUDIDARMA , 7(3), 1541–1550. https://doi.org/10.30865/mib.v7i3.6459

Bijaksana, A., Negara, P., Muhardi, H., & Putri, I. M. (2020). ANALISIS SENTIMEN MASKAPAI PENERBANGAN MENGGUNAKAN METODE NAIVE BAYES DAN SELEKSI FITUR INFORMATION GAIN. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK) , 7(3), 599–606. https://doi.org/10.25126/jtiik.202071947

Dharmawan, L. R., Arwani, I., & Ratnawati, D. E. (2020). Analisis Sentimen pada Sosial Media Twitter Terhadap Layanan Sistem Informasi Akademik Mahasiswa Universitas Brawijaya dengan Metode K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 4(3), 959–965. http://j-ptiik.ub.ac.id

Dyah Anggita, S., & Abdulloh, F. F. (2023). Optimasi Algoritma Support Vector Machine Berbasis PSO Dan Seleksi Fitur Information Gain Pada Analisis Sentimen. JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY (JACOST), 4(1), 2723–1453. https://doi.org/10.52158/jacost.524

Faisal, M. R., Kartini, D., & Saragih, T. H. (2022). Belajar Data Science: Text Mining Untuk Pemula I. Scripta Cendekia. https://www.researchgate.net/publication/359619425

Fanani, M. R. (2020). ALGORITMA NAÏVE BAYES BERBASIS FORWARD SELECTION UNTUK PREDIKSI BIMBINGAN KONSELING SISWA. Jurnal DISPROTEK, 11(1), 13–22.

Felicia Watratan, A., Puspita, A. B., Moeis, D., Informasi, S., & Profesional Makassar, S. (2020). Implementasi Algoritma Naive Bayes Untuk Memprediksi Tingkat Penyebaran Covid-19 Di Indonesia. In JOURNAL OF APPLIED COMPUTER SCIENCE AND TECHNOLOGY (JACOST) (Vol. 1, Issue 1).

http://journal.isas.or.id/index.php/JACOST

Khomsah, S., & Aribowo, A. S. (2017). Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia. JURNAL RESTI, 1(3), 648–654.

Ling, J., Putu, I., Kencana, E. N., & Oka, T. B. (2014). ANALISIS SENTIMEN MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER DENGAN SELEKSI FITUR CHI SQUARE. E-Jurnal Matematika, 3(3), 92–99.

Prawinata, D. A., Pembangunan, U., Veteran, N., & Timur, J. (2024). Analisis Sentimen Kendaraan Listrik Pada Twitter Menggunakan Metode Long Short Term Memory Ani Dijah Rahajoe I Gede Susrama Mas Diyasa. SABER: Jurnal Teknik Informatika, Sains Dan Ilmu Komunikasi, 2(1), 300–313. https://doi.org/10.59841/saber.v2i1.857

Riyadi, A. F., Rahman, F. R., Nofa Pratama, M. A., Khafidli, M. K., & Patria, H. (2021). Pengukuran Sentimen Sosial Terhadap Teknologi Kendaraan Listrik: Bukti Empiris di Indonesia. EXPERT: Jurnal Manajemen Sistem Informasi Dan Teknologi, 11(2), 141. https://doi.org/10.36448/expert.v11i2.2171

Santoso, A., Nugroho, A., & Sunge, A. S. (2022). Analisis Sentimen Tentang Mobil Listrik Dengan Metode Support Vector Machine Dan Feature Selection Particle Swarm Optimization. In Journal of Practical Computer Science (Vol. 2, Issue 1).




DOI: https://doi.org/10.31294/jtk.v10i2.22426

Copyright (c) 2024 Salman Alfarizi, Deni Gunawan, Hasan Basri, Alif Rizqi Mulyawan, Nurul Ichsan

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2442-2436 (print), and 2550-0120


 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License