KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KENAIKAN HARGA TIKET PESAWAT PADA TWITTER MENGGUNAKAN NAÏVE BAYES

AGUSTINA MARDEKA RAYA; FITRI NURBAITI; DETIN SOFIA

doi:10.24252/instek.v4i2.11003

AGUSTINA MARDEKA RAYA Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur
(ID)
FITRI NURBAITI Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur
(ID)
DETIN SOFIA Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur
(ID)

DOI: https://doi.org/10.24252/instek.v4i2.11003

Abstract

Analisa sentiment atau opinion mining merupakan teknik yang digunakan untuk mengolah data yang didapatkan dari media sosial. Kenaikan harga tiket pesawat terjadi setelah adanya kecelakaan dari salah satu maskapai domestik. Imbas dari kecelakaan tersebut menyebakan semua tiket maskapai penerbangan Indonesia mengalami kenaikan. Banyak masyarakat yang menyayangkan dengan kenaikan tiket pesawat tersebut. Penelitian ini akan memanfaatkan data tweet pada twitter untuk menlihat persepsi masyarakat terhadap kenaikan harga tiket pesawat dengan menggunakan metode naïve bayes dan KNN dengan mengklasifikasikan sentimen sentiment positif, negative dan netral. Tingkat akurasi klasifikasi menggunakan naïve bayes sebesar 90.70% sedangkan tingkat akurasi dengan metode KNN sebesar 62.79%

Kata Kunci : Analisa Sentimen, Klasifikasi, Naïve bayes, Tiket Pesawat.

Downloads

Download data is not yet available.

Author Biographies

AGUSTINA MARDEKA RAYA, Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

FITRI NURBAITI, Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

DETIN SOFIA, Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

Program Studi Magister Ilmu Komputer, Fakultas Teknologi Informasi, Universitas Budi Luhur

References

Lee, M. (2010). M ULTICLASS S ENTIMENT A NALYSIS WITH RESTAURANT REVIEWS.

Ye, Q., Zhang, Z., & Law, R. (2009). Expert Systems with Applications Sentiment classification of online reviews to travel destinations by supervised machine learning approaches. Expert Systems With Applications, 36(3), 6527–6535. K. Elissa, “Title of paper if known,” unpublished.

Suprapto, Aji (2017) Sistem Klasifikasi Opini Pengguna Maskapai Penerbangan di Indonesia Pda Jejaring Sosial Twitter menggunakan Metode K-Nearest Neighbour.

Bps.go.id

Afshoh. Fauziah (2017) Analisa Sentimen menggunakan Naïve Bayes unutk meliohat persepsi Masyarakat Terhadap Kenaikan Harga Jual Rokok Pada Media Sosial Twitter. Skripsi. Informatika. Universitas Surakarta Muhammadiyah.

witten, I.H (2005). Text Mining. Practical Handbook of internet computing, edited by M.P. Singh, pp. 14-1 -14-22. Chapman & Hall/CRC Press, Boca Raton, Florida.