Analisis sentimen masyarakat terhadap e-commerce pada media sosial menggunakan metode Naïve Bayes Classifier (NBC) dengan seleksi fitur Information Gain (IG)

INDONESIA:

Media sosial pada saat ini merupakan media komunikasi yang sangat populer dikalangan masyarakat Indonesia. Salah satu media sosial yang sedang digandrungi masyarakat saat ini adalah twitter. Dengan media sosial twitter, informasi masyarakat sangat beragam, dari informasi tersebut terdapat data yang dapat diolah menjadi analisa sentimen. Penelitian ini bertujuan untuk membuat sistem analisis sentimen masyarakat yang berupa sentimen positif atau negatif. Metode yang digunakan untuk klasifikasi sentimen ini adalah Naïve Bayes Classifier dengan Seleksi Fitur Information Gain. Masukan sistem ini berupa data tweet dari e-commerce akun Lazada, Tokopedia, dan Bukalapak, sedangkan hasil keluaran sistem ini berupa visualisasi data sentimen positif dan negatif. Pembuatan sistem analisis sentimen menggunakan metode Naïve Bayes dengan seleksi fitur Information Gain terbukti bahwa algoritma tersebut dapat menganalisis sentimen secara otomatis, dengan tingkat akurasi 88,8 %. Hasil visualisasi ini dapat digunakan oleh pihak e-commerce untuk analisa produknya untuk menentukan kebijakan yang diambil pada masa depan.

ENGLISH:

Social media at this time is a very popular communication media among the people of Indonesia. One of the social media that is being loved today is twitter. With social media twitter, public information is very diverse, from the information there is data that can be processed into a sentiment analysis. This study aims to create a community sentiment analysis system in the form of positive or negative sentiments. The method used for the classification of these sentiments is the Naïve Bayes Classifier with Information Gain Features Selection. Input this system in the form of tweet data from the e-commerce account Lazada, Tokopedia, and Bukalapak, while the output of this system in the form of visualization of positive and negative sentiment data. Making a system of sentiment analysis using Naïve Bayes method with Information Gain feature selection proven that the algorithm can analyze sentiment automatically, with 88.8% accuracy level. This visualization result can be used by the e-commerce to analyze its products to determine the policy taken in the future.