Analisis sentimen terhadap Body Shaming pada Twitter menggunakan Metode Naïve Bayes Classifier

  • St. Fajriah Fattah Program Studi Teknik Informatika Universitas Muslim Indonesia
  • Purnawansyah Program Studi Teknik Informatika Universitas Muslim Indonesia
Keywords: Twitter, Naïve Bayes Classifier, Performansi, Klasifikasi

Abstract

Salah satu bentuk media sosial yang sedang populer saat ini adalah twitter. Namun tidak jarang pengguna twitter memberikan komentar yang cenderung menyinggung pengguna twitter lain dengan kalimat negatif. Salah satu bentuk komentar negatif yang sering dilontarkan pengguna twitter adalah tentang body shaming. Body shaming merupakan komentar negatif terhadap fisik seseorang seperti gendut, pesek, cungkring dan lain-lain. Berdasarkan perilaku body shaming pada twitter, maka pada penelitian ini akan dilakukan analisis sentimen menggunakan metode Naive Bayes Classifier. Tujuan dari penelitian adalah mengukur performa accuracy, precision, recall, dan f-measure pada metode Naïve Bayes Classifier dalam analisis sentimen terhadap body shaming pada Twitter. Dataset tersebut digunakan untuk mengklasifikasikan tweets yang bersifat positif dan negatif. Teknik klasifikasi yang digunakan yaitu dengan mengukur performa dari accuracy, precision, recall, dan f-measure menggunakan metode naïve bayes classifier. Berdasarkan hasil pengujian performansi accuracy, precision, recall, dan f-measure dengan feature model trigram menggunakan metode naïve bayes classifier dilakukan pada dataset tweets body shaming yang berjumlah 908 data. Berdasarkan hasil pengujian performa dengan model trigram didapatkan hasil accuracy 61%, precision 56%, recall 55% dan f-measure 55%.

Downloads

Download data is not yet available.

References

F. Nurhuda, S. Widya Sihwi, and A. Doewes, “Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier,” J. Teknol. Inf. ITSmart, vol. 2, no. 2, p. 35, 2016, doi: 10.20961/its.v2i2.630.

S. R. I. Rezeki, “Penggunaan Sosial Media Twitter dalam Komunikasi Organisasi (Studi Kasus Pemerintah Provinsi Dki Jakarta Dalam Penanganan Covid-19),” J. Islam. Law Stud., vol. 04, no. 02, pp. 63–78, 2020.

A. Tamaraya and D. Ubaedullah, “Dampak Penggunaan Twitter Terhadap Pengungkapan Diri Mahasiswa,” Interak. Perad. J. Komun. dan Penyiaran Islam, vol. 1, no. 1, pp. 29–37, 2021, doi: 10.15408/interaksi.v1i1.20878.

S. Sari, U. Khaira, P. Pradita, and T. S. Tri, “… Beauty Shaming Di Media Sosial Twitter Menggunakan Algoritma SentiStrength: Sentiment Analysis Against Beauty Shaming Comments on Twitter Social Media …,” Indones. J. …, vol. 1, no. 1, pp. 71–78, 2021.

T. F. Fauzia and L. R. Rahmiaji, “Memahami pengalaman Body Shaming pada remaja perempuan,” pp. 4–5, 2019.

K. Fitria and Y. Febrianti, “the Interpretation and Attitude of Body Shaming Behavior on Social Media (a Digital Ethnography Study on Instagram),” Diakom J. Media dan Komun., vol. 3, no. 1, pp. 12–25, 2020, doi: 10.17933/diakom.v3i1.78.

W. N. Putri, A. E. Budiwaspada, and D. Ratri, “REKOMENDASI RANCANGAN KAMPANYE SOSIAL TEMA BODY SHAMING BAGI GENERASI Z,” J. Komun. Vis. Wimba, vol. 12, no. 2, pp. 110–123, 2021.

D. Geofani, “Pengaruh cyberbullying body shaming pada media sosial instagram terhadap kepercayaan diri wanita karir di Pekanbaru,” Jom Fisip, vol. 6, pp. 2–6, 2019.

C. Pricilia, D. Yoanita, and D. Budiana, “Pengaruh Bodily Shame di Instagram terhadap Konsep Diri Remaja Perempuan,” J. E-Komunikasi, vol. 7, no. 2, pp. 1–12, 2019.

M. Hall, “A decision tree-based attribute weighting filter for Naive Bayes,” Res. Dev. Intell. Syst. XXIII - Proc. AI 2006, 26th SGAI Int. Conf. Innov. Tech. Appl. Artif. Intell., pp. 59–70, 2007, doi: 10.1007/978-1-84628-663-6_5.

Bustami, “Penerapan Algoritma Naive Bayes,” J. Inform., vol. 8, no. 1, pp. 884–898, 2014.

R. P. Pratama, I. Werdiningsih, and I. Puspitasari, “Sistem Pendukung Keputusan Pemilihan Siswa Berprestasi di Sekolah Menegah Pertama dengan Metode VIKOR dan TOPSIS,” J. Inf. Syst. Eng. Bus. Intell., vol. 3, no. 2, p. 122, 2017, doi: 10.20473/jisebi.3.2.122-128.

D. N. Sari, D. N. Sari, F. Adelia, F. Rosdiana, B. B. Butar, and M. Hariyanto, “Analisa Sentimen Terhadap Review Produk Kecantikan Menggunakan Metode Naive Bayes Classifier,” JIKA (Jurnal Inform., vol. 4, no. 3, p. 109, 2020, doi: 10.31000/jika.v4i3.3086.

F. F. Mailo and L. Lazuardi, “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia,” J. Inf. Syst. Public Heal., vol. 4, no. 1, pp. 28–36, 2019.

J. H. Jaman, Hannie, and M. S. Simatupang, “Sentiment Analysis of the Body-Shaming Beauty Vlog Comments,” Proc. 7th Math. Sci. Comput. Sci. Educ. Int. Semin. MSCEIS 2019, 2020, doi: 10.4108/eai.12-10-2019.2296530.

E. Cambria, B. Schuller, Y. Xia, and C. Havasi, “New Avenues in Opinion Mining and Sentiment Analysis,” IEEE Comput. Soc., no. April, pp. 15–21, 2013.

H. Azis, F. T. Admojo, and E. Susanti, “Analisis Perbandingan Performa Metode Klasifikasi pada Dataset Multiclass Citra Busur Panah,” Techno.Com, vol. 19, no. 3, 2020.

Herman et al., “Comparison of Artificial Neural Network and Gaussian Naïve Bayes in Recognition of Hand-Writing Number,” Proc. - 2nd East Indones. Conf. Comput. Inf. Technol. Internet Things Ind. EIConCIT 2018, no. 1, pp. 276–279, 2018, doi: 10.1109/EIConCIT.2018.8878651.

A. Fitria and H. Azis, “Analisis Kinerja Sistem Klasifikasi Skripsi menggunakan Metode Naïve Bayes Classifier,” Pros. Semin. Nas. Ilmu Komput. dan Teknol. Inf, vol. 3, pp. 102–106, 2018.

F. Tangguh and Y. Islami, “Analisis performa algoritma Stochastic Gradient Descent ( SGD ) dalam mengklasifikasi tahu berformalin,” Indones. J. Data Sci., vol. 3, no. 1, pp. 1–8, 2022.

A. I. Auliyah, “Implementasi Kombinasi Algoritma Enkripsi Rivest Shamir Adleman ( Rsa ) dan Algoritma Kompresi Huffman Pada File Document,” Indones. J. Data Sci., vol. 1, no. 1, pp. 23–28, 2020.

L. B. C. Tanujayaa, B. Susanto, and A. Saragiha, “Perbandingan Metode Regresi Logistik dan Random Forest untuk Klasifikasi Fitur Mode Audio Spotify,” Indones. J. data Sci., vol. 1, no. 3, pp. 68–78, 2020.

Wahyu ngestisari, “The Perbandingan Metode ARIMA dan Jaringan Syaraf Tiruan untuk Peramalan Harga Beras,” Indones. J. Data Sci., vol. 1, no. 3, pp. 96–107, 2020, doi: 10.33096/ijodas.v1i3.18.

A. A. D. Halim and S. Anraeni, “Analisis Klasifikasi Dataset Citra Penyakit Pneumonia menggunakan Metode K-Nearest Neighbor (KNN),” Indones. J. Data Sci., vol. 2, no. 1, pp. 01–12, 2021, doi: 10.33096/ijodas.v2i1.23.

D. Cahyanti, A. Rahmayani, and S. Ainy, “Analisis performa metode Knn pada Dataset pasien pengidap Kanker Payudara,” Indones. J. Data Sci., vol. 1, no. 2, pp. 39–43, 2020.

Sugiarti and Mirnawati, “Implementasi Algoritma Goverment Standard ( GOST ) dalam Pengamanan File Dokumen,” Indones. J. Data Sci., vol. 1, no. 2, pp. 52–56, 2020.

H. Nursan and Muslim, “Penerapan Metode Digital Watermarking dan Privilege pada Dokumen Skripsi,” Indones. J. Data Sci., vol. 1, no. 1, pp. 19–22, 2020.

F. T. Admojo and Ahsanawati, “Klasifikasi Aroma Alkohol Menggunakan Metode KNN,” Indones. J. Data Sci., vol. 1, no. 2, pp. 34–38, 2020.

N. Litha and T. Hasanuddin, “Analisis Performa Metode Moving Average Model untuk Prediksi Jumlah Penderita Covid-19,” Indones. J. Data Sci., vol. 1, no. 3, pp. 87–95, 2020.

Harlinda and Nasir, “Perancangan sistem pendukung keputusan dalam pengalokasian dana bantuan sosial di kabupaten pinrang dengan menggunakan metode AHP,” Indones. J. Data Sci., vol. 1, no. 2, pp. 44–51, 2020.

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.

Muh Syawal, P. L. L. Belluano, and A. R. Manga, “Implementasi Algoritma Genetika Untuk Penjadwalan Laboratotium Fakultas Ilmu Komputer Universitas Muslim Indonesia,” Indones. J. Data Sci., vol. 2, no. 1, pp. 29–37, 2021, doi: 10.33096/ijodas.v2i1.29.

H. Azis, “Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor,” Indones. J. Data Sci., pp. 1–4, 2018, doi: https://doi.org/10.33096/ijodas.v1i1.3.

A. Maulida, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020.

Hasran, “Klasifikasi Penyakit Jantung Menggunakan Metode K-Nearest Neighbor,” Indones. J. Data Sci., vol. 1, no. 1, pp. 1–4, 2020.

I. P. Putri, “Analisis Performa Metode K- Nearest Neighbor (KNN) dan Crossvalidation pada Data Penyakit Cardiovascular,” Indones. J. Data Sci., vol. 2, no. 1, pp. 21–28, 2021, doi: 10.33096/ijodas.v2i1.25.

D. Susanti, “Analisis Modifikasi Metode Playfiar Cipher Dalam Pengamanan Data,” Indones. J. Data Sci., vol. 1, no. 1, pp. 1–80, 2020.

A. Prasetya Wibawa, W. Lestar, A. Bella Putra Utama, I. Tri Saputra, and Z. Nabila Izdihar, “Multilayer Perceptron untuk Prediksi Sessions pada Sebuah Website Journal Elektronik,” Indones. J. Data Sci., vol. 1, no. 3, pp. 57–67, 2020, doi: 10.33096/ijodas.v1i3.15.

M. I. Maulana, “Implementasi Bot Telegram pada Proses Retrieval Data dalam Database,” Indones. J. Data Sci., vol. 2, no. 1, pp. 13–20, 2021, doi: 10.33096/ijodas.v2i1.24.

Published
2022-07-31