Penerapan Adaptive Boosting pada Naive Bayes Untuk Analisa Sentimen Pengguna Twitter Terhadap Ketua Umum Parpol di Indonesia

SHUFA, Anita Shella and Anwariningsih, Sri Huning and Khusnuliawati, Hardika (2020) Penerapan Adaptive Boosting pada Naive Bayes Untuk Analisa Sentimen Pengguna Twitter Terhadap Ketua Umum Parpol di Indonesia. Other thesis, Universitas Sahid Surakarta.

	Text COVER.pdf Download (27kB)
	Text ABSTRAK.pdf Download (299kB)
	Text BAB I.pdf Download (91kB)
	Text BAB II.pdf Download (506kB)
	Text BAB III.pdf Download (360kB)
	Text BAB IV.pdf Restricted to Repository staff only Download (1MB)
	Text BAB V.pdf Restricted to Repository staff only Download (14kB)

Abstract

Metode Naive Bayes memiliki performansi yang baik khususnya dalam penerapannya untuk mengklasifikasikan sentimen. Dataset untuk analisa sentimen pengguna Twitter terhadap ketua umum parpol di Indonesia memiliki ketidakseimbangan data yang dapat mengakibatkan berkurangnya performa sistem dalam melakukan klasifikasi. Pada penelitian ini digunakan Algoritma Adaptive Boosting dengan tujuan meningkatan kinerja Algoritma Naive Bayes pada data tak seimbang. Penelitian dilakukan dengan memanfaatkan modul Twitterscraper pada Python untuk pengumpulan data dan aplikasi Rapidminer untuk melakukan proses klasifikasi. Dataset akan diklasifikasi dengan menggunakan Algoritma Naive Bayes dengan 3 rasio perbandingan data yakni 7:3, 8:2 serta 9:1, hasil akurasi terendah dan tertinggi pada masing-masing dataset akan ditambahkan dengan Algortima Adaptive Boosting. Hasil penelitian menujukkan bahwa setelah dilakukan penambahan Algoritma Adaptive Boosting pada analisis sentimen menggunakan Algoritma Naive Bayes pada data tak seimbang terjadi peningkatan pada performa sistem dibandingkan dengan sebelum ditambahkannya Algoritma Adaptive Boosting. Pada dataset dengan tingkat perbedaan data tertinggi yakni dataset Muhaimin Iskandar dengan rasio data 9:1, rata-rata peningkatan performa sistem mencapai 8,70% dengan rata-rata akurasi, presisi dan recall sebelum ditambahkan Algoritma Adaptive Boosting sebesar 74,61% AUC 0,680 dibandingkan dengan rata-rata akurasi, presisi dan recall setelah ditambahkan Algoritma Adaptive Boosting sebesar 79,17% AUC 0,789. Hasil ini juga merupakan rata-rata peningkatan performa tertinggi dari keseluruhan hasil pengujian.

Actions (login required)

View Item