TEXT MINING UNTUK KLASIFIKASI EMOSI PENGGUNA MEDIA SOSIAL DEGAN ALGORITMA NAÏVE BAYES

Abstract

Penelitian ini mengintegrasikan metode data mining. Metode Naïve Bayes digunakan untuk klasifikasi kelas emosi pada media sosial twitter. Algoritma Naive Bayes merupakan klasifikasi menggunakan metode probabilitas dan statistic. Latar belakang penlitian ini, dilihat dari situasi para pengguna media sosial saat ini, lebih banyak meluapkan emosi yang mereka rasakan pada unggahan status media sosial. Dengan mengungkapkan kata-kata yang frontal. Hal ini harus menjadi perhatian khusus oleh pihak tertentu. Pada penilitian yang dilaksanakan penulis, diharapkan mampu mengetahui emosi pada pengguna media sosial twitter dengan menggunakan metode Naïve Bayes. Penulis mengumpulkan 5000 data status, yang kemudian dibagi menjadi dua bagian yaitu 4000 data status menjadi data training, dan 1000 data status menjadi data testing. Pada 4000 data training diolah oleh sistem dengan menggunakan metode Naïve Bayes sehingga menghasilkan penentuan kelas emosi netral 78.0%, takut 1.0%, marah 2.0%, jijik 2.0%, sedih 5.0%, bahagia 8.0%, takjub 2.0%, buruk 2.0%. Selanjutnya pada 1000 data testing dilakukan dua kali pemprosesan. Yang pertama, diolah oleh sistem dengan menggunakan metode Naïve Bayes dan menghasilkan penetuan kelas emosi netral 78.0%, takut 1.0%, marah 2.0%, jijik 1.0%, sedih 4.0%, bahagia 8.0%, takjub 2.0%, buruk 4.0%. Dan yang kedua, di analisis oleh penulis dan rekan penulis merupakn Lulusan jurusan psikolog dan bahasa Indonesia dan menghasil kelas emosi bahagia 28.4%, Sedih 19.4%, netral  16.9%, Buruk 12.3%, marah 9.8%, jijik 6.8%, takjub 3.1% dan takut 3.0%. Sehingga menghasilkan kesimpulan bahwa penetuan kelas emosi dengan menggunakan Naïve Bayes, kelas emosi netral lebih tinngi presentasinya, sedangkan dengan analisis manual kelas emosi bahagia lebih tinggi presentasinya.