PERBANDINGAN KINERJA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN KOMENTAR X DENGAN DAN TANPA TEXT PREPROCESSING (STUDI KASUS: DANANTARA)

Master Edison Siregar; Steven Dermawan; Ahmad Abdillah Hisyam

doi:10.23960/jitet.v13i3.6612

Authors

Master Edison Siregar Pradita University
Steven Dermawan Pradita University
Ahmad Abdillah Hisyam Pradita University

DOI:

https://doi.org/10.23960/jitet.v13i3.6612

Abstract Views: 423 File Views: 136

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma klasifikasi, yaitu Naive Bayes (NB) dan K-Nearest Neighbor (KNN), dalam menganalisis sentimen komentar masyarakat terhadap topik Danantara di X. Data diperoleh melalui proses crawling menggunakan Google Collab, kemudian diolah dengan pendekatan kuantitatif eksperimental. Penelitian ini menguji empat skenario preprocessing teks untuk mengevaluasi pengaruhnya terhadap akurasi klasifikasi sentimen, dengan implementasi dilakukan melalui RapidMiner. Hasil analisis menunjukkan bahwa kombinasi cleaning, case folding, tokenizing, dan stemming merupakan skema preprocessing paling optimal, menghasilkan akurasi tertinggi sebesar 66,59% untuk NB dan 68,89% untuk KNN. Sebaliknya, tanpa preprocessing, akurasi menurun drastis menjadi 51,38% (NB) dan 51,15% (KNN). Skema parsial lainnya memberikan hasil akurasi yang mendekati, seperti kombinasi cleaning, case folding, tokenizing, dan stopword removal yang menghasilkan 65,21% (NB) dan 66,13% (KNN). Secara umum, algoritma KNN menunjukkan kinerja yang lebih unggul dibandingkan NB dalam setiap skenario. Analisis visual menggunakan word cloud mengungkapkan bahwa kata "Indonesia" dan "semangat" mendominasi sentimen positif, "korupsi" dan "koruptor" mendominasi sentimen negatif, serta "presiden" dan "BUMN" muncul dominan pada sentimen netral. Temuan ini diharapkan dapat menjadi acuan dalam pengembangan sistem klasifikasi sentimen, sekaligus memberikan gambaran umum tentang pandangan publik terhadap isu Danantara.

Downloads

Download data is not yet available.

References

J. Hafizd, F. S. Nurfalah, M. A. P. Ramadhan, P. Kaerudin, and K. Elok, “Peran Media Sosial dalam Penyampaian Aspirasi Masyarakat untuk Perubahan yang Lebih Baik,” Strat. Soc. Humanit. Stud., vol. 1, no. 2, pp. 147–155, 2023, doi: 10.59631/sshs.v1i2.108.

“Dikabarkan Akan Diblokir, Ternyata Masyarakat X Indonesia Keempat Terbanyak di Dunia - GoodStats Data.” Accessed: May 05, 2025. [Online]. Available: https://data.goodstats.id/statistic/dikabarkan-akan-diblokir-ternyata-masyarakat-x-indonesia-keempat-terbanyak-di-dunia-hCYcS

“Danantara Resmi Diluncurkan, Rosan Roeslani Tegaskan Komitmen Tata Kelola yang Transparan dan Berintegritas | Sekretariat Negara.” Accessed: May 04, 2025. [Online]. Available: https://www.setneg.go.id/baca/index/danantara_resmi_diluncurkan_rosan_roeslani_tegaskan_komitmen_tata_kelola_yang_transparan_dan_berintegritas

“Danantara Tuai Pro dan Kontra Warganet, Diresmikan Prabowo 24 Februari.” Accessed: May 04, 2025. [Online]. Available: https://inet.detik.com/cyberlife/d-7784882/danantara-tuai-pro-dan-kontra-warganet-diresmikan-prabowo-24-februari

F. Aftab et al., “A Comprehensive Survey on Sentiment Analysis Techniques,” Int. J. Technol., vol. 14, no. 6, pp. 1288–1298, 2023, doi: 10.14716/ijtech.v14i6.6632.

A. A. Nisa, N. H. Safitri, L. Stianingsih, and F. H. Saputri, “Analysis of Customer Sentiment towards Wardah Beauty Products on Instagram Using K-Nearest Neighbors (KNN) and Naïve Bayes Algorithms,” G-Tech J. Teknol. Terap., vol. 9, no. 2, pp. 919–928, 2025.

M. U. Albab, Y. Karuniawati P, and M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,” J. Transform., vol. 20, no. 2, pp. 1–10, 2023, doi: 10.26623/transformatika.v20i2.5374.

P. Nandwani and R. Verma, “A review on sentiment analysis and emotion detection from text,” Soc. Netw. Anal. Min., vol. 11, no. 1, pp. 1–19, 2021, doi: 10.1007/s13278-021-00776-6.

R. Ayatulloh, K. Noor, N. T. Romadloni, F. Ramadhani, U. M. Karanganyar, and K. Karanganyar, “Perbandingan kinerja algoritma klasifikasi pada review masyarakat aplikasi netflix,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 2, 2025.

D. M. Efendi, S. Mintoro, . S., S. H. Lubis, and S. Lestari, “KLASIFIKASI KINERJA PEMBAYARAN ANGSURAN DENGAN ALGORITMA NAIVE BAYES (Studi Kasus : Data Nasabah Koperasi Simpan Pinjam Pembiayaan Syariah Bina Bersama),” J. Inf. dan Komput., vol. 10, no. 1, pp. 57–61, 2022, doi: 10.35959/jik.v10i1.305.

M. Rahmadiah and P. Suparman, “Penerapan Metode K-Nearest Neighbour Untuk Sistem Penentuan Peminjaman Modal Nasabah Bank Syariah Indonesia Cabang Cikarang Berbasis Website,” J. Inf. dan Komput., vol. 10, no. 2, pp. 189–197, 2022.

L. G. Irham, A. Adiwijaya, and U. N. Wisesty, “Klasifikasi Berita Bahasa Indonesia Menggunakan Mutual Information dan Support Vector Machine,” J. Media Inform. Budidarma, vol. 3, no. 4, p. 284, 2019, doi: 10.30865/mib.v3i4.1410.

E. Alshdaifat, D. Alshdaifat, A. Alsarhan, F. Hussein, and S. Moh, “The Effect of Preprocessing Techniques, Applied to Numeric Features, on Classification Algorithms’ Performance,” Data, vol. 6, no. 11, 2021.

A. A. Syam, G. H. M, A. Salim, D. F. Surianto, and M. F. B, “Analisis teknik preprocessing pada sentimen masyarakat terkait konflik israel-palestina menggunakan support vector machine,” vol. 9, no. 3, pp. 1464–1472, 2024.

B. Hakim, “Analisa Sentimen Data Text Preprocessing Pada Data Mining Dengan Menggunakan Machine Learning,” JBASE - J. Bus. Audit Inf. Syst., vol. 4, no. 2, pp. 16–22, 2021, doi: 10.30813/jbase.v4i2.3000.

S. Khairunnisa, A. Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” J. Media Inform. Budidarma, vol. 5, no. 2, p. 406, 2021, doi: 10.30865/mib.v5i2.2835.

S. H. Ramadhani and M. I. Wahyudin, “Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 4, pp. 526–534, 2022, doi: 10.35870/jtik.v6i4.530.

Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.