Analisis Sentimen Pelanggan Ojek Online Menggunakan Multinomial Naive Bayes Classifier dan KNN

Abstract

Sentiment analysis is a technique of extracting text data to obtain information about positive, neutral and negative emotions. Internet users provide sentiment analysis on social media to provide personal ratings or opinions. Generally, sentiment analysis aims to determine the attitude of the speaker or writer towards a topic or the contextual polarity of the document as a whole. Twitter is an interactive social network that allows users to critique issues and services in real time. In order to simplify the process of grouping text written on social media such as Twitter, proper technique is needed. The technology used for automatic computer document classification is called text classification. The methods that can be used in sentiment analysis are the Polynomial Naive Bayes method and the KNN. When used for text classification, both methods have been shown to provide satisfactory results. The advantages of these two methods can save work time and get better results, but in the case of naive bayes polynomials it is used to extract information from unstructured text documents, because the number of features is much more than the number of samples, this method is classified as poor in some areas. , therefore the KNN is needed to minimize the number of features to be analyzed to make it more accurate. Then the Naive Bayes Polynomial does not pay attention to the distribution of the data, because it is only based on classes with different modes and separated by a separator function, so the analysis results can be wrong, so the KNN will be based on the distance. between the data and some of the closest data. This study aims to accelerate efforts to obtain accurate information about the sentiments reported by the mass media in order to obtain more accurate results. The analysis results will be obtained at a later date, regardless of whether the services provided are negative, positive or neutral.

Analisis sentimen merupakan teknik penggalian data teks untuk memperoleh informasi tentang emosi positif, netral dan negatif.Pengguna internet memberikan analisis sentimen di media sosial untuk memberikan penilaian atau opini pribadi.Umumnya, analisis sentimen bertujuan untuk menentukan sikap pembicara atau penulis terhadap suatu topik atau polaritas kontekstual dokumen secara keseluruhan. Twitter adalah jejaring sosial interaktif yang memungkinkan pengguna mengkritik masalah dan layanan secara real time. Guna mempermudah proses pengelompokan teks yang ditulis di media sosial seperti Twitter, diperlukan teknik yang tepat. Teknologi yang digunakan untuk klasifikasi dokumen otomatis komputer disebut klasifikasi teks.Metode yang dapat digunakan dalam analisis sentimen adalah metode polynomial naive bayes dan KNN.Saat digunakan untuk klasifikasi teks, kedua metode tersebut telah terbukti memberikan hasil yang memuaskan. Keunggulan dari kedua metode ini menghemat waktu dan memperoleh hasil yang lebih baik, namun pada kasus polynomial naive bayes digunakan untuk mengekstrak informasi dari dokumen yang tidak terstruktur, karena jumlah fiturnya jauh lebih banyak daripada jumlah sampel, metode ini di beberapa daerah tergolong buruk, oleh karena itu KNN diperlukan agarmeminimalisasi jumlah fitur yang dianalisis agar lebih akurat. Kemudian Polynomial Naive Bayes tidak memperhatikan sebaran datanya, karena berdasarkan kelas dengan mode yang berlainan dan dipisahkan fungsi separator, hingga hasil analisa bisa saja salah, sehingga KNN berdasarkan jarak.antara data dan beberapa data paling terdekat. Penelitian ini bertujuan untuk mempercepat upaya memperoleh informasi paling tepat tentang sentimen yang diberitakan oleh media massa sehingga diperoleh hasil yang lebih akurat. Hasil analisis akan diperoleh di kemudian hari, terlepas dari apakah layanan yang diberikan bersifat negatif, positif atau netral.