PENERAPAN ANALISIS SENTIMEN TERHADAP PEMINDAHAN IBU
KOTA NUSANTARA (IKN) MENGGUNAKAN NAIVE BAYES DENGAN
SELEKSI FITUR CHI-SQUARE DAN TEKNIK SMOTE
Total View This Week0
Total View This Week0
Institusion
Universitas Pembangunan Nasional Veteran Yogyakarta
Author
Assabila, Maulida Maizani
Subject
ZA Information resources
Datestamp
2024-10-03 03:50:24
Abstract :
vii ABSTRAK Pemindahan Ibu Kota Negara Indonesia dari Jakarta ke Kalimantan Timur telah menjadi isu yang menarik banyak perhatian publik dan memicu berbagai reaksi di media sosial, terutama di Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan pemindahan ibu kota dengan menggunakan metode Naïve Bayes. Untuk meningkatkan akurasi dan kinerja model, penelitian ini mengimplementasikan teknik seleksi fitur Chi-Square untuk mengurangi jumlah fitur yang tidak relevan, serta menggunakan teknik SMOTE untuk menangani masalah imbalanced dataset yang sering terjadi dalam analisis sentimen. Penelitian dimulai dengan pengumpulan data melalui web-scraping dari Twitter dan pengolahan teks melalui berbagai tahap preprocessing. Data dibersihkan, dinormalisasi, dan diberi label sebagai sentimen positif atau negatif. Setelah itu, pembobotan kata dilakukan menggunakan TF-IDF, diikuti dengan teknik SMOTE untuk menyeimbangkan distribusi kelas, serta seleksi fitur menggunakan Chi-Square. Hasil penelitian menunjukkan bahwa seleksi fitur Chi-Square berhasil mengurangi jumlah fitur dari 4127 menjadi 1000 fitur yang paling relevan, yang berkontribusi pada peningkatan akurasi model sebesar 9%. Teknik SMOTE juga terbukti efektif dalam meningkatkan performa model dengan menyeimbangkan distribusi data antara kelas positif dan negatif, yang menghasilkan peningkatan akurasi sebesar 6%. Kombinasi antara seleksi fitur Chi- Square dan teknik SMOTE menghasilkan performa terbaik pada model Naïve Bayes, dengan peningkatan akurasi sebesar 15%. Model menghasilkan akurasi tertinggi mencapai 89%, presisi 86%, recall 92%, dan f1-score 89%. Penelitian ini menunjukkan bahwa penggunaan kedua teknik tersebut secara bersamaan dapat meningkatkan kinerja model dalam analisis sentimen, sehingga dapat menjadi alat evaluasi yang efektif dalam mendukung pengambilan keputusan kebijakan publik di masa depan. Kata Kunci: Analisis Sentimen, Naïve Bayes, Chi-Square, SMOTE, IKN. viii ABSTRACT The relocation of Indonesia's capital city from Jakarta to East Kalimantan has become an issue that has garnered significant public attention, triggering various reactions on social media, particularly on Twitter. This research aims to analyze public sentiment towards the capital relocation policy using the Naïve Bayes method. To improve the model's accuracy and performance, this study implements the Chi-Square feature selection technique to reduce irrelevant features and applies the SMOTE technique to address the imbalanced dataset issue, which is common in sentiment analysis. The research began with data collection through web scraping from Twitter, followed by text processing through several preprocessing stages. The data was cleaned, normalized, and labeled as either positive or negative sentiment. Afterward, term weighting was performed using TF-IDF, followed by SMOTE to balance class distribution, and feature selection was conducted using Chi-Square. The results show that Chi-Square feature selection successfully reduced the number of features from 4127 to 1000 of the most relevant features, contributing to a 9% increase in model accuracy. SMOTE also proved effective in enhancing model performance by balancing the data distribution between positive and negative classes, resulting in a 6% accuracy improvement. The combination of Chi-Square feature selection and SMOTE yielded the best performance for the Naïve Bayes model, with a 15% accuracy increase. The model achieved a maximum accuracy of 89%, precision of 86%, recall of 92%, and f1-score of 89%. This study demonstrates that using both techniques together can significantly enhance model performance in sentiment analysis, making it a valuable tool for evaluating public policies in the future. Keywords: Sentiment Analysis, Naïve Bayes, Chi-Square, SMOTE, IKN.
vii ABSTRAK Pemindahan Ibu Kota Negara Indonesia dari Jakarta ke Kalimantan Timur telah menjadi isu yang menarik banyak perhatian publik dan memicu berbagai reaksi di media sosial, terutama di Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan pemindahan ibu kota dengan menggunakan metode Naïve Bayes. Untuk meningkatkan akurasi dan kinerja model, penelitian ini mengimplementasikan teknik seleksi fitur Chi-Square untuk mengurangi jumlah fitur yang tidak relevan, serta menggunakan teknik SMOTE untuk menangani masalah imbalanced dataset yang sering terjadi dalam analisis sentimen. Penelitian dimulai dengan pengumpulan data melalui web-scraping dari Twitter dan pengolahan teks melalui berbagai tahap preprocessing. Data dibersihkan, dinormalisasi, dan diberi label sebagai sentimen positif atau negatif. Setelah itu, pembobotan kata dilakukan menggunakan TF-IDF, diikuti dengan teknik SMOTE untuk menyeimbangkan distribusi kelas, serta seleksi fitur menggunakan Chi-Square. Hasil penelitian menunjukkan bahwa seleksi fitur Chi-Square berhasil mengurangi jumlah fitur dari 4127 menjadi 1000 fitur yang paling relevan, yang berkontribusi pada peningkatan akurasi model sebesar 9%. Teknik SMOTE juga terbukti efektif dalam meningkatkan performa model dengan menyeimbangkan distribusi data antara kelas positif dan negatif, yang menghasilkan peningkatan akurasi sebesar 6%. Kombinasi antara seleksi fitur Chi- Square dan teknik SMOTE menghasilkan performa terbaik pada model Naïve Bayes, dengan peningkatan akurasi sebesar 15%. Model menghasilkan akurasi tertinggi mencapai 89%, presisi 86%, recall 92%, dan f1-score 89%. Penelitian ini menunjukkan bahwa penggunaan kedua teknik tersebut secara bersamaan dapat meningkatkan kinerja model dalam analisis sentimen, sehingga dapat menjadi alat evaluasi yang efektif dalam mendukung pengambilan keputusan kebijakan publik di masa depan. Kata Kunci: Analisis Sentimen, Naïve Bayes, Chi-Square, SMOTE, IKN. viii ABSTRACT The relocation of Indonesia's capital city from Jakarta to East Kalimantan has become an issue that has garnered significant public attention, triggering various reactions on social media, particularly on Twitter. This research aims to analyze public sentiment towards the capital relocation policy using the Naïve Bayes method. To improve the model's accuracy and performance, this study implements the Chi-Square feature selection technique to reduce irrelevant features and applies the SMOTE technique to address the imbalanced dataset issue, which is common in sentiment analysis. The research began with data collection through web scraping from Twitter, followed by text processing through several preprocessing stages. The data was cleaned, normalized, and labeled as either positive or negative sentiment. Afterward, term weighting was performed using TF-IDF, followed by SMOTE to balance class distribution, and feature selection was conducted using Chi-Square. The results show that Chi-Square feature selection successfully reduced the number of features from 4127 to 1000 of the most relevant features, contributing to a 9% increase in model accuracy. SMOTE also proved effective in enhancing model performance by balancing the data distribution between positive and negative classes, resulting in a 6% accuracy improvement. The combination of Chi-Square feature selection and SMOTE yielded the best performance for the Naïve Bayes model, with a 15% accuracy increase. The model achieved a maximum accuracy of 89%, precision of 86%, recall of 92%, and f1-score of 89%. This study demonstrates that using both techniques together can significantly enhance model performance in sentiment analysis, making it a valuable tool for evaluating public policies in the future. Keywords: Sentiment Analysis, Naïve Bayes, Chi-Square, SMOTE, IKN.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
