Perbandingan Metode SVM dan Naïve Bayes untuk Analisis Sentimen pada Twitter tentang Obesitas di Kalangan Gen Z
DOI:
https://doi.org/10.52436/1.jpti.691Keywords:
analisis sentimen, obesitas, generasi Z, SVM, naïve bayesAbstract
Pada era digital yang berkembang pesat, media sosial menjadi platform utama dalam menyampaikan opini dan informasi, termasuk mengenai isu kesehatan seperti obesitas, terutama di kalangan Generasi Z. Penelitian ini bertujuan untuk membandingkan efektivitas metode Support Vector Machine (SVM) dan Naïve Bayes dalam mengklasifikasikan sentimen publik terhadap obesitas berdasarkan data dari Twitter. Dataset penelitian terdiri dari 4.056 tweet yang dikumpulkan melalui proses scraping, kemudian diproses melalui tahap pembersihan, tokenisasi, dan stemming. Hasil penelitian menunjukkan bahwa algoritma SVM memiliki akurasi 89,23%, lebih tinggi dibandingkan dengan Naïve Bayes yang hanya mencapai akurasi 72,14%. Keunggulan SVM terletak pada kemampuannya memisahkan kelas sentimen dengan hyperplane optimal, menjadikannya metode yang lebih andal untuk analisis sentimen berbasis media sosial. Hasil penelitian ini dapat membantu pembuat kebijakan kesehatan dalam memahami opini publik terhadap obesitas serta merancang strategi komunikasi yang lebih efektif berbasis data.
Downloads
References
F. F. Mailoa, “Analisis sentimen data Twitter menggunakan metode text mining tentang masalah obesitas di Indonesia,” J. Inf. Syst. Public Heal., vol. 6, no. 1, p. 44, 2021, doi: 10.22146/jisph.44455.
Y. Yusra and M. Fikry, “Klasifikasi Tweet E-Commerce dengan Menggunakan Metode Support Vector Machine,” J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf., vol. 4, no. 2, p. 50, 2018, doi: 10.24014/coreit.v4i2.5205.
W. Ningsih, B. Alfianda, R. Rahmaddeni, and D. Wulandari, “Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 556–562, 2024, doi: 10.57152/malcom.v4i2.1253.
Ardiyansah and Parjito, “Perbandingan Metode Naïve Bayes dan Support Vector Machine Dalam Analisis Sentimen Terhadap Tokoh Publik,” Media Online, vol. 4, no. 6, pp. 2813–2821, 2024, doi: 10.30865/klik.v4i6.1928.
D. Ananda and R. R. Suryono, “Analisis Sentimen Publik Terhadap Pengungsi Rohingya di Indonesia dengan Metode Support Vector Machine dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 8, no. 2, pp. 748–757, 2024, doi: 10.30865/mib.v8i2.7517.
A. S. Rahayu, A. Fauzi, and R. Rahmat, “Komparasi Algoritma Naïve Bayes Dan Support Vector Machine (SVM) Pada Analisis Sentimen Spotify,” J. Sist. Komput. dan Inform., vol. 4, no. 2, p. 349, 2022, doi: 10.30865/json.v4i2.5398.
H. Herlawati, R. T. Handayanto, P. D. Atika, F. N. Khasanah, A. Y. P. Yusuf, and D. Y. Septia, “Analisis Sentimen Pada Situs Google Review dengan Naïve Bayes dan Support Vector Machine,” J. Komtika (Komputasi dan Inform., vol. 5, no. 2, pp. 153–163, 2021, doi: 10.31603/komtika.v5i2.6280
A. E. Octaviyani, A. Y. Rangan, S. Informasi, K. Samarinda, R. Film, and F. B. Leksikon, “Analisis Sentimen X Untuk Review Film Agak Laen X Sentiment Analysis For Somewhat Laen Movie Reviews Using Naïve Bayes Method,” vol. 28, no. 2, pp. 1–8, 2024, doi: 10.46984/sebatik.v28i2.0000.
E. D. Nurcahya, “Klasifikasi Penyakit Ayam Menggunakan Metode Support Vector Machine,” VOLT J. Ilm. Pendidik. Tek. Elektro, vol. 2, no. 1, p. 45, 2017, doi: 10.30870/volt.v2i1.1316.
H. Sujadi, “Analisis Sentimen Pengguna Media Sosial Twitter Terhadap Wabah Covid-19 Dengan Metode Naive Bayes Classifier Dan Support Vector Machine,” INFOTECH J., vol. 8, no. 1, pp. 22–27, 2022, doi: 10.31949/infotech.v8i1.1883.
M. Azlan, S. Putra, I. Permana, and M. Afdal, “Sentiment Analysis of Childfree Campaign on X Social Media Using NBC and SVM Algorithms Analisis Sentimen Masyarakat Mengenai Gerakan Childfree di Media Sosial X Menggunakan Algoritma NBC dan SVM,” vol. 4, no. 1, pp. 1189–1198, 2024.
M. Safrudin, M. Martanto, and U. Hayati, “Perbandingan Kinerja Naïve Bayes Dan Support Vector Machine Untuk Klasifikasi Sentimen Ulasan Game Genshin Impact,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 3, pp. 3182–3188, 2024, doi: 10.36040/jati.v8i3.8415.
R. Afandi, M. Afdal, and R. Novita, “Analisis Sentimen Masyarakat Terhadap Pinjaman Online di Twitter Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest N eighbor,” vol. 6, no. 2, pp. 596–605, 2024, doi: 10.47065/bits.v6i2.5300.
H. Kurniawan, A. Rahim, T. Azhima, and Y. Siswa, “Implementasi Algoritma Gaussian Naïve Bayes Dalam Klasifikasi Status Gizi Pada Balita,” vol. 6, no. 2, pp. 627–635, 2024.
Sentimen Ibu Kota Nusantara menggunakan Algoritma Support Vector Machine dan Naïve Bayes,” Edumatic J. Pendidik. Inform., vol. 8, no. 1, pp. 183–192, 2024, doi: 10.29408/edumatic.v8i1.25667.
Metode SVM dan Naive Bayes untuk Analisis Sentimen ChatGPT di Twitter, Indones. J. Comput. Sci., vol. 12, Aug. 2023, doi: 10.33022/ijcs.v12i4.3341.
Hidayat, “Metode Machine Learning untuk Klasifikasi Data Gizi Balita dengan Algoritma Naïve Bayes, KNN dan Decision Tree,” J. SIMETRIS, vol. 15, no. 1, pp. 57– 68, 2024, [Online]. Available: https://jurnal.umk.ac.id/index.php/simet/article/view/10679.
S. Rita and A. Pambudi, “Penggunaan Support Vector Machine Untuk Analisis Sentimen Ulasan Aplikasi Truecaller Dan Getcontact Using Support Vector Machine for Sentiment Analysis of Truecaller and Getcontact App Reviews,” vol. 20, no. 2, pp. 131–140, 2023.
A. A. Munandar, F. Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 2, p. 77, 2023, doi: 10.31328/jointecs.v8i2.4747.
Dania Siregar, Faroh Ladayya, Naufal Zhafran Albaqi, and Bintang Mahesa Wardana, “Penerapan Metode Support Vector Machines (SVM) dan Metode Naïve Bayes Classifier (NBC) dalam Analisis Sentimen Publik terhadap Konsep Child-free di Media Sosial Twitter,” J. Stat. dan Apl., vol. 7, no. 1, pp. 93–104, 2023, doi: 10.21009/jsa.07109.
Sri Diantika, Windu Gata, and Hiya Nalatissifa, “Komparasi Algoritma SVM Dan Naive Bayes Untuk Klasifikasi Kestabilan Jaringan Listrik,” Elkom J. Elektron. dan Komput., vol. 14, no. 1, pp. 10–15, 2021, doi:10.51903/elkom.v14i1.319.
T. A. Dewi and E. Mailoa, “Perbandingan Implementasi Metode Smote Pada Algoritma Support Vector Machine (Svm) Dalam Analisis Sentimen Opini Masyarakat Tentang Mixue,” J. Indones. Manaj. Inform. dan Komun., vol. 4, no. 3, pp. 849–855, 2023, doi:10.35870/jimik.v4i3.289.
H. Apriyani and K. Kurniati, “Perbandingan Metode Naïve Bayes Dan Support Vector Machine Dalam Klasifikasi Penyakit Diabetes Melitus,” J. Inf. Technol. Ampera, vol. 1, no. 3, pp. 133–143, 2020, doi: 10.51519/journalita.volume1.isssue3.year20 20.page133-143.
Tundo, Eldina, R., Setiawan, K., & Fajri, R. (2024). Sentiment Analysis of Cigarette Use Based on Opinions from X Using Naive Bayes and SVM. Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, 5(3), 2561-2569. https://doi.org/10.35870/jimik.v5i3.947
Supian, Acuan, Bagus Tri Revaldo, Nanda Marhadi, Lusiana Efrizoni and Rahmaddeni Rahmaddeni. “Perbandingan Kinerja Naïve Bayes Dan Svm Pada Analisis Sentimen Twitter Ibukota Nusantara.” Jurnal Ilmiah Informatika (2024): n. pag.
Syahputra, R., Yanris, G.J., & Irmayani, D. (2022). SVM and Naïve Bayes Algorithm Comparison for User Sentiment Analysis on Twitter. Sinkron.
Agustiana, N., Pratiwi, O. N., & Fakhrurroja, H. (2023). Comparison Of Sentiment Analysis Of Traveloka And Tiket.Com Applications On Twitter Using The Naive Bayes Method. ITEJ (Information Technology EngineeringJournals), 8(2),73-83. https://doi.org/10.24235/itej.v8i2.119
Fauzi, F., Setiayani, W., Utami, T.W., Yulianto, E., & Harmoko, I.W. (2023). Comparison Of Random Forest And Naïve Bayes Classifier Methods In Sentiment Analysis On Climate Change Issue. Barekeng: Jurnal Ilmu Matematika dan Terapan.
Zulfikar, W.B., Atmadja, A.R., & Pratama, S.F. (2023). Sentiment Analysis on Social Media Against Public Policy Using Multinomial Naive Bayes. Scientific Journal of Informatics.
Onwuegbuche, F.C., Wafula, J.M., & Mung'atu, J. (2019). Support Vector Machine for Sentiment Analysis of Nigerian Banks Financial Tweets. Journal of Data Analysis and Information Processing.
Samsir, Irmayani, D., Edi, F., Harahap, J.M., Jupriaman, Rangkuti, R.K., Ulya, B., & Watrianthos, R. (2021). Naives Bayes Algorithm for Twitter Sentiment Analysis. Journal of Physics: Conference Series, 1933.
Hadianti, S., & Tember, F.Y. (2022). Analisis Sentiment Covid-19 Di Twitter Menggunakan Metode Naive Bayes Dan Svm.
