Analisis Sentimen Program Migrasi TV Digital Menggunakan Algoritma Naive Bayes dengan Chi Square

Virgaria Zuliana; Garno Garno; Iqbal Maulana

doi:10.35959/jik.v10i2.366

Virgaria Zuliana Universitas Singaperbangsa Karawang
Garno Garno Universitas Singaperbangsa Karawang
Iqbal Maulana Universitas Singaperbangsa Karawang

DOI: https://doi.org/10.35959/jik.v10i2.366

Abstrak

Saat ini televisi menempati posisi nomor 2 sebagai sumber informasi setelah media sosial. Sistem siaran TV analog akan diganti dengan TV digital berdasarkan rencana yang dikeluarkan oleh Kementerian Komunikasi dan Informatika di Indonesia. Media sosial berguna untuk berbagi pemikiran dan opini tentang peristiwa, produk dan lainnya, contohnya terhadap migrasi TV digital yang sedang berlangsung. Keunggulan TV digital termasuk teknologi yang unggul dan kejernihan gambar yang jernih dan tajam. Beberapa orang berpendapat bahwa mereka puas dengan transisi ke TV digital, sementara yang lain sebaliknya. Sehingga peneliti menjadi tertarik dengan dua opini tersebut dan tertarik untuk melakukan analisis sentimen masyarakat yang mengenai program migrasi siaran TV digital di media sosial Twitter karena adanya dua tanggapan tersebut. Metode Naive Bayes dengan seleksi fitur Chi Square digunakan dalam proses penelitian untuk mengkaji perbedaan opini publik tentang migrasi ke siaran TV digital. Hasil klasifikasi dengan 191 data sentimen positif dan 185 data sentimen negatif menghasilkan tingkat akurasi 96%, precision 93% dan recall 100%.

##plugins.generic.usageStats.downloads##

##plugins.generic.usageStats.noStats##

Referensi

[1]. Annur CM. Survei KIC: Mayoritas Masyarakat Indonesia Mengakses Informasi di Media Sosial [Internet]. databoks.katadata.co.id. 2022 [cited 2022 May 25]. Available from: https://databoks.katadata.co.id/datapubl sh/2022/01/20/survei-kic-mayoritas-masyarakat-indonesia-mengakses-informasi-di-media-sosial
[2]. Andarini FA. Analisis Strategi Digitalisasi Media di Era Digital PT. Media Nusantara Citra Tbk (MNCN). J Ilm Indones. 2022 Feb;7(2).
[3]. Mahardhika YS, Zuliarso E. Analisis Sentimen Terhadap Pemerintahan Joko Widodo pada Media Sosial Twitter Menggunakan Algoritma Naive Bayes Classifier. Sintak. 2018;2.
[4]. Rahutomo F, Saputra PY, Fidyawan MA. Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine. J Inform Polinema. 2018;4(2):93–100.
[5]. Pattiiha FS, Hendry. Perbandingan Metode K-NN, Naïve Bayes, Decision Tree untuk Analisis Sentimen Tweet Twitter Terkait Opini Terhadap PT PAL Indonesia. J Ris Komput. 2022;9(2):2407–389.
[6]. Kisworini RY, Setiawan MA. Peningkatan Performa Naivee Bayes Dengan Seleksi Atribut Menggunakan Chi Square Untuk Klasifikasi Loyalitas Pelanggan GRAB. J Informatics, Inf Syst Softw Eng Appl. 2020;2(2):69–075.
[7]. Hozairi, Anwari, Alim S. Implementasi Orange Data Mining untuk Klasifikasi Kelulusan Mahasiswa dengan Model K-Nearest Neighbor, Decision Tree serta Naive Bayes. J Ilm NERO. 2021;6(2):133–44.
[8]. Ratmana DO, Fajar Shidik G, Fanani AZ, Muljono, Pramunendar RA. Evaluation of Feature Selections on Movie Reviews Sentiment. 2020 Int Semin Appl Technol Inf Commun. 2020;567–71.
[9]. Mulaab. Data Mining Konsep dan Aplikasi. Malang: Media Nusa Creative; 2017.
[10]. Nofriansyah D. Konsep Data Mining vs Sistem Pendukung Keputusan. Yogyakarta: Deepublish; 2014.