Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter

Abstract

Investasi pada era globalisasi ini menjadi kegiatan yang penting dalam perekonomian dan bisnis. Sudah banyak masyarakat yang memilih untuk menempatkan dana yang mereka miliki dalam bentuk investasi. Dengan adanya perkembangan teknologi para developer membuat aplikasi investasi untuk memudahkan proses investasi. Dengan adanya aplikasi investasi, terdapat juga kelebihan dan kekurangan dari aplikasi yang ada, mulai dari aplikasi investasi bodong hingga aplikasi investasi yang terpercaya. Analisis sentimen pada Twitter dilakukan agar mengetahui aplikasi investasi yang harus dihindari dan dapat dipercaya. Metode lexicon based dan naive bayes classifier dipilih agar dapat mengklasifikasikan antara tweets yang bersentimen positif, netral, dan negatif agar memudahkan masyarakat dalam menentukan pilihan beserta mengetahui tingkat akurasi antara kedua metode. Dari hasil kedua metode telah didapatkan bahwa sentimen positif memiliki persentase tertinggi terhadap aplikasi investasi. Sedangkan perbandingan akurasi dari kedua metode menghasilkan 67% untuk metode lexicon based dan 78% untuk metode naive bayes classifier. Dari hasil tersebut dapat menunjukkan bahwa data yang telah dianalisis tentang aplikasi investasi memiliki nilai positif dan hasil akurasi dari metode naive bayes classifier memiliki nilai yang lebih tinggi dari pada metode lexicon based.