Klasifikasi Sentimen Terhadap Dinamika Metavers Menggunakan Algoritma Naive Bayes

Authors

  • Cahya novita Sari Universitas Muhammadiyah Kotabumi
  • Ilham Ma'ruf Universitas Muhammadiyah Kotabumi
  • Dira Trisnadia Universitas Muhammadiyah Kotabumi
  • Dea nur Azizah Universitas Muhammadiyah Kotabumi
  • Muhammad Ilham Herwandani Universitas Muhammadiyah Kotabumi
  • Fandi Kurniawan Universitas Muhammadiyah Kotabumi

DOI:

10.51519/journalita.v4i3.429

Keywords:

Metaverse, Naive Bayes, Penambangan Teks

Abstract

Metaverse, sebuah inovasi teknologi yang menakjubkan dengan pengaruh global, merupakan kumpulan realitas digital yang menyatukan elemen media sosial, permainan daring, realitas tambahan (AR), realitas maya (VR), dan mata uang kripto. Pendekatan manual dalam menentukan sifat positif atau negatif suatu opini sering kali memakan waktu dan tenaga, terutama dengan melimpahnya jumlah opini publik. Untuk mengatasi hal ini, diusulkan penggunaan teknik pembelajaran mesin guna efisien mengklasifikasikan beragam sumber data opini. Studi ini mengedepankan penerapan Penambangan Teks sebagai metode untuk klasifikasi dokumen. Metode Klasifikasi Naïve Bayes (NBC) dipilih oleh peneliti karena efektivitasnya dalam menggunakan perhitungan probabilitas. Hasil penelitian mengindikasikan bahwa sistem atau model yang dikembangkan berhasil mencapai presisi sempurna (100%) dalam mengidentifikasi kelas opini positif, artinya semua prediksi positif yang dihasilkan tepat sasaran. Namun, terdapat margin kecil dalam recall untuk kelas positif, yakni 93,37%, mengindikasikan adanya beberapa kasus positif yang luput dari deteksi. Sementara itu, presisi untuk kelas negatif berada pada angka 43,46%, yang menyiratkan kemungkinan adanya kesalahan dalam sebagian kecil prediksi negatif. Namun, recall untuk kelas negatif mencapai 100%, menandakan semua kasus negatif berhasil diidentifikasi dengan benar.

References

A. Deolika, K. Kusrini, and E. T. Luthfi, “Analisis Pembobotan Kata Pada Klasifikasi Text Mining,” J. Teknol. Inf., vol. 3, no. 2, p. 179, 2019, doi: 10.36294/jurti.v3i2.1077.

F. Kurniawan and Q. Al Qorni, “Exploring Sentimen Analysis Using Machine Learning?: A Case Study on Partai Demokrasi Indonesia Perjuangan ( PDIP ) in the 2024 General Election,” vol. 2, no. 4, pp. 911–920, 2024.

S. Sahar, “Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penyakit Jantung,” Indones. J. Data Sci., vol. 1, no. 3, pp. 79–86, 2020, doi: 10.33096/ijodas.v1i3.20.

V. B. Kobayashi, S. T. Mol, J. Vrolijk, and G. Kismihók, “Text mining in career studies: Generating insights from unstructured textual data1,” Handb. Res. Methods Careers, pp. 139–163, 2021, doi: 10.4337/9781788976725.00015.

M. Sari and A. Asmendri, “Penelitian Kepustakaan (Library Research) dalam Penelitian Pendidikan IPA,” Nat. Sci., vol. 6, no. 1, pp. 41–53, 2020, doi: 10.15548/nsc.v6i1.1555.

R. Fatha Pringgar and B. Sujatmiko, “Penelitian Kepustakaan (Library Research) Modul Pembelajaran Berbasis Augmented Reality pada Pembelajaran Siswa,” J. IT-EDU, vol. 05, no. 01, pp. 317–329, 2020.

W. Darmalaksana, “Metode Penelitian Kualitatif Studi Pustaka dan Studi Lapangan,” Pre-print Digit. Libr. UIN Sunan Gunung Djati Bandung, pp. 1–6, 2020.

S. Tedmori and A. Awajan, “Sentiment analysis main tasks and applications: A survey,” J. Inf. Process. Syst., vol. 15, no. 3, pp. 500–519, 2019, doi: 10.3745/JIPS.04.0120.

M. Christianto, J. Andjarwirawan, and A. Tjondrowiguno, “Aplikasi analisa sentimen pada komentar berbahasa Indonesia dalam objek video di website YouTube menggunakan metode Naïve Bayes classifier,” J. Infra, vol. 8.1, pp. 255–259, 2020.

D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.

S. Alkhuly, “Wordcloud Based R Programming as a Supplementary Tool for Critical Discourse Analysis,” Scientific in Arts, vol. 24, no. 1, pp. 62–93, 2023, doi: 10.21608/jssa.2023.168941.1437.

J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.

Downloads

Published

2023-12-06

How to Cite

Sari, C. novita, Ma’ruf, I. ., Trisnadia, D., Azizah, D. nur, Herwandani, M. I., & Kurniawan, F. (2023). Klasifikasi Sentimen Terhadap Dinamika Metavers Menggunakan Algoritma Naive Bayes. Journal of Information Technology Ampera, 4(3), 233–241. https://doi.org/10.51519/journalita.v4i3.429