학술논문

Analisis Sentimen Twitter Tentang Wisata di Kota Solo
Document Type
article
Source
Techno.Com, Vol 22, Iss 4, Pp 854-869 (2023)
Subject
sentiment analysis, apps, naive bayes, twitter, solo travel
Information technology
T58.5-58.64
Language
Indonesian
ISSN
2356-2579
Abstract
Analisis sentimen digunakan untuk memahami pandangan dan pendapat masyarakat terhadap suatu hal, serta untuk mengidentifikasi tren topik pembicaraan. Dalam upaya merespon keluhan dan meningkatkan pelayanan kepada masyarakat, Dinas Pariwisata kota Solo aktif memanfaatkan berbagai platform media sosial seperti Twitter, Instagram, Facebook, web ULAS, dan Halo Mas Wali sebagai sarana komunikasi interaktif dengan masyarakat. Melalui media sosial ini, dapat mempermudah pegawai dalam proses pengumpulan sentimen masyarakat, yang nantinya akan menjadi dasar untuk menetapkan kebijakan dan strategi pembangunan. Oleh karena itu, diperlukan aplikasi analisis sentimen yang mampu mengklasifikasikan setiap tweet menjadi tiga kategori, yakni positif, netral dan negatif. Algoritma yang digunakan yaitu Naive Bayes. Naive Bayes adalah algoritma klasifikasi yang menggunakan probabilitas fitur untuk memprediksi label data, dengan asumsi fitur saling independen. Algoritma tersebut cocok untuk klasifikasi big data karena efisien pada data besar dan beragam. Hasil dari pembuatan aplikasi analisis sentimen ini adalah menunjukkan bahwa aplikasi dapat secara otomatis melabeli data menggunakan metode Naive Bayes berbasis PHP dan MySQL. Proses crawling data dari Twitter dilakukan melalui Google Colab menggunakan bahasa Python. Dalam implementasinya, aplikasi ini dapat membantu dalam melakukan klasifikasi opini masyarakat terhadap tempat wisata di kota Solo. Dilakukan pengujian validasi data untuk menguji kesamaan hasil perhitungan sistem dan manual menggunakan 3 data training dan 1 data testing yang didapatkan hasil klasifikasi data testing positif. Berdasarkan pengujian yang telah dilakukan dengan 500 data menggunakan metode naive bayes didapatkan hasil klasifikasi netral berjumlah 122 data, positif 302 data dan negatif 76 data dengan akurasi sebesar 70,2%%, presisi 67% dan recall 100%