Perbandingan Metode Naïve Bayes Classifier Dan Holistic Lexicon Based Dalam Analisis Sentimen Angket Mahasiswa

Abstract

Analisis sentimen bertujuan untuk menentukan kelas dari data opini mahasiswa yang terdapat dalam form angket mahasiswa berupa kelas positif, negatif, dan netral. Dalam data mining, teknik yang biasa digunakan adalah teknik klasifikasi. Klasifikasi ini digunakan untuk membentuk suatu model yang belum terklasifikasi menjadi terklasifikasi. Metode naïve bayes classifier dan metode holistic lexicon based biasa digunakan untuk melakukan sentimen analisis. Analisis perbandingan suatu metode dilakukan untuk menemukan metode terbaik dalam memecahkan sebuah kasus. Penelitian ini melakukan perbandingan antara metode naive bayes classifier dan metode holistic lexicon based yang digunakan untuk mengklasifikasikan data komentar angket mahasiswa yang dapat bernilai analisis sentimen berupa kelas positif, kelas negatif, dan kelas netral. Metode naïve bayes classifier menggunakan data latih untuk menentukan kelasnya, sedangkan metode holistic lexicon based menggunakan kamus kata sifat untuk penentuan kelasnya. Dari hasil perbandingan ini dapat disimpulkan bahwa metode naïve bayes classifier memiliki nilai precission dan tingkat accuracy yang lebih baik dibandingkan dengan metode holistic lexicon based.