Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes

Abstract

Film is one of the most interesting topics to talk about. When someone writes an opinion on a film, all the elements in the film will be written down. Film opinion data in this study were taken from film comments written on twitter. The number of opinions written on Twitter requires classification according to the sentiments they have so that it is easy to get the tendency of the opinion towards the film whether it tends to have a positive, negative or neutral opinion. Recently, the spotlight on twitter media in Indonesia is a film with the title Horror-Ngeri Sedap. Ngeri-Ngeri Sedap is a 2022 Indonesian comedy-drama film directed and written by Bene Dion Rajagukguk. The film is set in the Batak Tribe, starring Arswendy Beningswara Nasution, Tika Panggabean, Boris Bokir Manullang, Gita Bhebhita Butar-butar, Lolox, and Indra Jegel. This causes differences in the views and opinions of twitter users towards the Horror Sedap film. So it is necessary to have a sentiment classification for the opinion. The use of the Naïve Bayes Algorithm was chosen in the analysis because it has the highest probability or opportunity value for data classification. Labeling on Twitter data is done manually by giving positive, negative, neutral sentiments to the raw dataset in Microsoft excel then the data enters the preprocessing transformation, tokenization and filtering stages. The tf-idf weighting is carried out when the data is complete in the transformation process, tf-idf is used to determine the number of occurrences of words, then the data classification is carried out using the Naïve Bayes Algorithm. confusion matrix testing is done after the data classification is complete using the orange tools. Based on the test results with the confusion matrix with orange tools, the average accuracy value is 0.65% and the precision value is 0.67%, and recall is 0.65%, and the percentage is neutral 0.83% in its classification. This proves that the public sentiment on the twitter platform towards the case of the film Horror Sedap is neutral and the Naïve Bayes Algorithm is considered reliable and valid in data processing.

Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF

“…Twitter merupakan media yang menjadi tempat bagi ribuan hingga jutaan opini yang disampaikan dalam bentuk tweet dan dapat dimanfaatkan untuk mengumpulkan opini masyarakat terhadap suatu film. Melihat banyaknya opini yang terdapat di Twitter, diperlukan pengelompokan berdasarkan sentimen yang diungkapkan untuk memperoleh pemahaman terhadap kecenderungan opini tersebut terhadap film, apakah bersifat positif atau negatif [2]. Platform twitter menjadi wadah di mana penonton bisa berbagi perspektif dan merekomendasikan film horor kepada orang lain [3].…”

Penerapan Naive Bayes Terhadap Sentimen Analisis Media Sosial Twitter Pengguna Kereta Cepat Jakarta-Bandung (Whoosh)

“…Data yang digunakan menggunakan scraping dengan bahasa python dan menggunakan perpustakaan node.js. Data twitter dikumpulkan pada tahun 2024 [12]. Proses scraping data dilakukan dengan query data whoosh dan data tersebut diekstraksi ke dalam excel (lihat Gambar 2).…”

Sentiment Analysis Dengan Naïve Bayes Berbasis Orange Terhadap Resiko Pembangunan Ikn

“…Penelitian ini bertujuan untuk mengidentifikasi dan memahami opini serta pandangan publik terhadap resiko pemindahan Ibu Kota Negara ini melalui platform media sosial. Peneliti juga dapat menganalisis tren dan perubahan opini dari waktu ke waktu untuk memahami bagaimana persepsi masyarakat terhadap risiko pembangunan IKN berkembang dengan Analisis Sentimen [6]. Penelitian ini dapat bermanfaat memberikan dasar data untuk pembuat kebijakan dalam mengambil keputusan terkait dengan pembangunan Ibu Kota Negara, dengan mempertimbangkan sentimen dan pandangan masyarakat.…”

“…Penelitian ini dapat bermanfaat memberikan dasar data untuk pembuat kebijakan dalam mengambil keputusan terkait dengan pembangunan Ibu Kota Negara, dengan mempertimbangkan sentimen dan pandangan masyarakat. Peneliti juga mengusulkan metode Naive Bayes berbasis Orange untuk mengklasifikasikan data sentimen positif dan negatif [7].…”