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

Lexicon Based Method Accuracy Comparison And Naive Bayes Classifier On Analysis of Public Opinion Sentiment Towards Investment Applications On Twitter Media

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.

Investment in this era of globalization is an important activity in the economy and business. Already many people choose to put the funds they have in the form of investments. With the development of technology, developers make investment applications to facilitate the investment process. With the investment application, there are also advantages and disadvantages of existing applications, ranging from bodong investment applications to trusted investment applications. Sentiment analysis on Twitter is done to find out which investment applications to avoid and can be trusted. Lexicon-based and naive bayes classifier methods were chosen to classify between positive, neutral, and negative tweets to make it easier for people to make choices and know the level of accuracy between the two methods. From the results of both methods it has been obtained that positive sentiment has the highest percentage of investment applications. While the accuracy comparison of the two methods resulted in 67% for the lexicon-based method and 78% for the classifier naive bayes method. From these results can show that the data that has been analyzed about investment applications has a positive value and the accuracy results of the classifier naive bayes method have a higher value than the lexicon-based method.