ANALISIS SENTIMEN DAN PEMODELAN TOPIK TERHADAP PEMBANGUNAN KERETA CEPAT JAKARTA-BANDUNG MENGGUNAKAN NAIVE BAYES DAN LATENT DIRICHLET ALLOCATION (LDA)

Doni Abdul Fatah; Fajrul Ihsan Kamil; Budi Soesilo; Mulaab Mulaab Mulaab

doi:10.21107/simantec.v12i2.25440

ANALISIS SENTIMEN DAN PEMODELAN TOPIK TERHADAP PEMBANGUNAN KERETA CEPAT JAKARTA-BANDUNG MENGGUNAKAN NAIVE BAYES DAN LATENT DIRICHLET ALLOCATION (LDA)

Doni Abdul Fatah, Fajrul Ihsan Kamil, Budi Soesilo, Mulaab Mulaab Mulaab

Abstract

Proyek kereta cepat Jakarta – Bandung merupakan salah satu proyek besar yang saat ini sedang dibuat di Indonesia. Proyek kereta cepat Jakarta – Bandung menjadi ramai dibicarakan di media sosial Twitter. Karena dalam pembangunannya terdapat beberapa masalah, seperti banjir yang terjadi di Bekasi dan menyebabkan kemacetan dan mengganggu kelancaran logistik. Beberapa opini masyarakat dapat berupa sentimen positif dan negatif terhadap Pembangunan Kereta Cepat ini. Untuk mengetahui opini masyarakat tersebut maka perlu dilakukan analisis sentimen dan pemodelan topik menggunakan metode Naive Bayes dan Latent Dirichlet Allocation. Hasil pengujian menunjukkan bahwa pada analisis sentimen setelah dilakukan perhitungan menggunakan metode Naive Bayes diperoleh nilai akurasi sebesar 66%. Sedangkan pada pemodelan topik menggunakan metode Latent Dirichlet Allocation diuji menggunakan nilai koherensi terbaik diperoleh nilai sebesar 0,472 pada 9 topik.

Full Text:

PDF (Bahasa Indonesia)

References

C. Pricylia, A. Mulya, P. Nugraha, and I. Santoso, “Analisis Sentimen Masyarakat Terhadap Pembangunan Kereta Cepat Jakarta-Bandung Menggunakan Algoritma K-Nearest Neighbors (Knn),” J. IKRAITH-INFORMATIKA, vol. 7, no. 2, pp. 139–143, 2023, [Online]. Available: www.gataframework.com/textmining.Peneliti

D. Rusdiaman and D. Rosiyadi, “Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier dan Support Vector Machine,” J. Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 2502–7131, 2019, doi: https://doi.org/10.24114/cess.v4i2.13796.

D. A. Fatah, E. M. S. Rochman, W. Setiawan, A. R. Aulia, F. I. Kamil, and A. Su’ud, “Sentiment Analysis of Public Opinion Towards Tourism in Bangkalan Regency Using Naïve Bayes Method,” E3S Web Conf., vol. 499, p. 01016, 2024, doi: 10.1051/e3sconf/202449901016.

J. Florensius Sianipar, Y. R. Ramadhan, and I. Jaelani, “Analisis Sentimen Pembangunan Kereta Cepat Jakarta-Bandung di Media Sosial Twitter Menggunakan Metode Naïve Bayes ,” Media Online), vol. 4, no. 1, pp. 360–367, 2023, doi: 10.30865/klik.v4i1.1033.

Y. Khoiruddin, A. Fauzi, and A. M. Siregar, “Analisis Sentimen Gojek Indonesia Pada Twitter Menggunakan Algoritme Naïve Bayes Dan Support Vector Machine,” J. Ilm. Komput., vol. 19, pp. 391–400, 2023.

Doni Abdul Fatah, Eka Mala Sari Rochman, Fajrul Ihsan Kamil, and Ahmad Su’ud, “Sentiment Analysis of Madura Tourism Opinion Using Support Vector Machine (SVM),” Tech. Rom. J. Appl. Sci. Technol., vol. 16, pp. 243–249, Oct. 2023, doi: 10.47577/technium.v16i.9988.

N. Royani, C. E. Widodo, and B. Warsito, “Topic Modelling Latent Dirichlet Allocation untuk Klasifikasi Komentar pada Layanan Streaming Platform,” JST (Jurnal Sains dan Teknol., vol. 12, no. 3, pp. 815–822, 2024, doi: 10.23887/jstundiksha.v12i3.68492.

R. Hammad, V. C. Hardita, and A. Z. Amrullah, “Topic modeling and sentiment analysis about Mandalika on social media using the Latent Dirichlet Allocation method,” MATRIX J. Manaj. Teknol. dan Inform., vol. 12, no. 3, pp. 109–116, 2022, doi: 10.31940/matrix.v12i3.109-116.

Y. S. Wardhana and A. K. Ayundyah Kesumawati, “Implementasi Klasifikasi Naïve Bayes dan Pemodelan Topik dengan Latent Dirichlet Allocation untuk Data Ulasan Video Game Lokal Pada Platform Steam,” Emerg. Stat. Data Sci. J., vol. 1, no. 3, pp. 345–353, 2023, doi: 10.20885/esds.vol1.iss.3.art41.

J. Akbar, T. A. M., Y. Tolla, A. E. Ahmad, A. Yaqin, and E. Utami, “Pemodelan Topik Menggunakan Latent Dirichlet Allocation pada Ulasan Aplikasi PeduliLindungi,” InComTech J. Telekomun. dan Komput., vol. 13, no. 1, p. 40, 2023, doi: 10.22441/incomtech.v13i1.15572.

P. P. Aziztiya, M. Habibi, and N. I. Kusumaningtyas, “Analisis Sentimen Berdasarkan Topik Terkait Wabah Covid-19 di Twitter Menggunakan Latent Dirichlet Allocation (LDA) dan Naïve Bayes Classifier (NBC),” Teknomatika J. Inform. dan Komput., vol. 15, no. 2, pp. 76–85, 2022, doi: 10.30989/teknomatika.v15i2.1098.

N. L. P. M. Putu, Ahmad Zuli Amrullah, and Ismarmiaty, “Sentiment Analysis and Lombok Tourism Topic Modeling Using Naïve Bayes and Latent Dirichlet Allocation Algorithms,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 123–131, 2021.

Y. A. Singgalen, “Analisis Sentimen dan Pemodelan Topik dalam Optimalisasi Pemasaran Destinasi Pariwisata Prioritas di Indonesia,” J. Inf. Syst. Informatics, vol. 3, no. 3, pp. 459–470, 2021, doi: 10.51519/journalisi.v3i3.171.

K. M. Leung and others, “Naïve Bayes ian classifier,” Polytech. Univ. Dep. Comput. Sci. Risk Eng., vol. 2007, pp. 123–156, 2007.

J. C. Campbell, A. Hindle, and E. Stroulia, “Chapter 6 - Latent Dirichlet Allocation: Extracting Topics from Software Engineering Data,” in The Art and Science of Analyzing Software Data, C. Bird, T. Menzies, and T. Zimmermann, Eds., Boston: Morgan Kaufmann, 2015, pp. 139–159. doi: https://doi.org/10.1016/B978-0-12-411519-4.00006-9.

K. M. Ting, “Confusion Matrix,” in Encyclopedia of Machine Learning and Data Mining, C. Sammut and G. I. Webb, Eds., Boston, MA: Springer US, 2017, p. 260. doi: 10.1007/978-1-4899-7687-1_50.

DOI: https://doi.org/10.21107/simantec.v12i2.25440

Refbacks

There are currently no refbacks.

Indexed By

SIMANTEC JOURNAL: This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Username
Password
Remember me