Analisis Sentimen Opini Publik Mengenai Larangan Mudik pada Twitter Menggunakan Naïve Bayes

Aturan larangan mudik yang dikeluarkan oleh pemerintah di tengah pandemic virus corona (covid-19) saat ini menjadi topik yang sering diperbincangkan oleh masyarakat, salah satunya di twitter. Twitter merupakan salah satu media sosial yang seringkali digunakan untuk penyampaian pesan berupa pendapat atau opini masyarakat. Analisis sentimen adalah studi komputasional dari opini-opini orang. Analisis sentimen akan mengelompokkan teks yang ada dalam sebuah kalimat atau dokumen untuk mengetahui pendapat yang dikemukakan dalam kalimat atau dokumen tersebut. Penelitian ini mencoba untuk menganalisa opini masyarakat mengenai aturan larangan mudik dengan mengklasifikasikan opini kedalam 2 sentimen yaitu positif atau negatif. Klasifikasi dilakukan dengan menggunakan metode Naive Bayes Clasifiers. Metode Naive Bayes Classifiers merupakan salah satu metode klasifikasi teks berdasarkan probabilitas kata kunci dalam membandingkan dokumen latih dan dokumen uji. Hasil pengujian pada tools RapidMiner memperlihatkan bahwa akurasi dengan  fitur TF-IDF memberikan hasil akurasi yang  baik. Metode Naive Bayes Classifier dapat menghasilkan akurasi yang tingga yaitu 83,38%. secara keseluruhan penggunaan metode  Naive Bayes memiliki performansi yang cukup baik untuk melakukan klasifikasi tweet.