Teks
KOMPARASI KINERJA MULTINOMIAL, BERNOULLI, DAN GAUSSIAN NAIVE BAYES DALAM ANALISIS SENTIMEN TANGGAPAN MASYARAKAT TERHADAP PROGRAM MAKAN SIANG GRATIS
Program makan siang gratis yang digagas oleh pemerintah mendapat perhatian luas
dari publik dan menjadi topik hangat di berbagai platform media sosial, khususnya
Twitter. Tanggapan masyarakat terhadap program ini sangat beragam, mulai dari
dukungan positif hingga kritik yang bersifat konstruktif. Kondisi ini menunjukkan
perlunya analisis sentimen publik secara terstruktur dan sistematis guna
memperoleh gambaran menyeluruh mengenai opini masyarakat pada kebijakan
tersebut.
Penelitian ini bertujuan untuk mengevaluasi sentimen masyarakat terhadap
program makan siang gratis melalui perbandingan kinerja tiga varian algoritma
Naïve Bayes, yaitu Multinomial, Bernoulli, dan Gaussian. Data diperoleh dari
platform Twitter melalui proses crawling, kemudian melalui tahapan
preprocessing, pelabelan sentimen, serta melakukan balancing data melalui
pendekatan Random Over Sampling (ROS). Selanjutnya, fitur teks
direpresentasikan menggunakan pendekatan Term Frequency–Inverse Document
Frequency (TF-IDF) sebelum model dilatih. Kinerja masing-masing algoritma
dievaluasi berdasarkan metrik akurasi, precision, recall, dan f1-score.
Berdasarkan hasil analisis, algoritma Bernoulli Naïve Bayes menunjukkan kinerja
paling optimal dengan tingkat akurasi sebesar 89,39%. Sementara itu, algoritma
Multinomial Naïve Bayes mencatat akurasi sebesar 89,32%, dan Gaussian Naïve
Bayes memperoleh hasil terendah dengan akurasi 75,59%. Metrik evaluasi lainnya
juga menunjukkan bahwa Bernoulli paling stabil dalam mengklasifikasikan semua
jenis sentimen, sementara Multinomial lebih unggul dalam mengenali sentimen
positif dan negatif. Di sisi lain, Gaussian menunjukkan kinerja yang lebih rendah
karena tidak sesuai dengan distribusi data TF-IDF. Dengan demikian, Bernoulli
Naïve Bayes dapat disimpulkan sebagai algoritma yang paling efektif untuk analisis
sentimen terhadap opini publik terkait program ini, serta memiliki potensi untuk
diterapkan secara relevan dalam penelitian-penelitian sejenis di masa mendatang
| S00031.25 | RF TI.S00031.25 Nur k | My Library (Referensi) | Tersedia |
Tidak tersedia versi lain