SENTIMENT ANALYSIS PUBLIC OPINION OF CFW (CITAYAM FASHION WEEK) ON SOCIAL MEDIA TWITTER USING NAÏVE BAYES CLASSIFIER

Angga Aditya Permana, Permana Perdana Putra

Abstract


Meningkatnya minat para remaja di Indonesia terhadap fashion brand lokal menjadi sebuah kesempatan untuk membawa industry fashion Indonesia kepasar internasional, hal tersebut memicu keinginan masyarakat untuk menjadi seorang fashion designer. Perkembangan fashion inilah yang membuat banyak para remaja untuk dapat mengekspresikan hobinya, salah satunya yaitu di jalan umum tepatnya di kawasan sudirman, atau lebih sering disebut Citayam Fashion Week (CFW). CFW sangatlah menjadi sebuah fenomena pada pertengahan tahun 2022, tetapi banyak sekali masyarakat memiliki pandangan yang berbeda, ada yang menyikapinya dengan positif, adapula yang malah mengkritik, dari sinilah penelitian ini perlu dilakukan untuk dapat menganalisa sentiment yang ada pada media sosial yaitu twitter, langkah penelitian terbagi menjadi beberapa fase yaitu, pengambilan data, preprocesing, klasifikasi data, dan Kesimpulan serta saran lalu metode yang diimplementasikan yaitu naïve bayes classifier dengan evaluasi menggunakan confusion matrix, dengan hasil akurasi sebesar 84%. Penelitian ini bermanfaat untuk  mengekstraksi opini – opini dari media social twitter terkait CFW dengan hasil lebih banyak respon positif terhadap CFW

Full Text:

PDF

References


Alam, M. F., Singh, R., & Katiyar, S. (2021). Customer Segmentation Using K-Means Clustering in Unsupervised Machine Learning. In Proceedings - 2021 3rd International Conference on Advances in Computing, Communication Control and Networking, ICAC3N 2021 (pp. 94–98). https://doi.org/10.1109/ICAC3N53548.2021.9725644

Destitus, C., Wella, W., & Suryasari, S. (2020). Support Vector Machine VS Information Gain: Analisis Sentimen Cyberbullying di Twitter Indonesia. Ultima InfoSys : Jurnal Ilmu Sistem Informasi, 11(2), 107–111. https://doi.org/10.31937/si.v11i2.1740

Fairuz, A. L., Ramadhani, R. D., & Tanjung, N. A. F. (2021). Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter. Journal of Dinda : Data Science, Information Technology, and Data Analytics, 1(1), 42–51. https://doi.org/10.20895/dinda.v1i1.180

Fashion, C., Fenomena, W., Ekonomi, P., Fashion, C., Fenomena, W., Ekonomi, P., & Pemerintah, K. (2022). Jurnal Mimbar Muamalah. August, 8–18.

Fauzi, M. A., & Adinugroho, S. (2018). Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking Optimasi Sisa Bahan Baku Pada Industri Mebel Menggunakan Algoritma Genetika View project Automatic Essay Scoring View project. August.

Lestari, A. R. T., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Tentang Opini Pilkada DKI 2017 Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Näive Bayes dan Pembobotan Emoji. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(12), 1718–1724.

Maddumala, V. R., Chaikam, H., Velanati, J. S., Ponnaganti, R., & Enuguri, B. (2022). Customer Segmentation using Machine Learning in Python. In 7th International Conference on Communication and Electronics Systems, ICCES 2022 - Proceedings (pp. 1268–1273). https://doi.org/10.1109/ICCES54183.2022.9836018

Patil, R. S., & Kolhe, S. R. (2021). Resource Creation for Sentiment Analysis of Under-Resourced Language: Marathi. In Communications in Computer and Information Science (Vol. 1380, pp. 445–457). https://doi.org/10.1007/978-981-16-0507-9_37

Permana, A. A., Fahrezi, M. F., Kristiyanti, D. A., & Sihotang, M. (2021). Sentimen Analisis Opini Masyarakat Pada Media Sosial Twitter Terhadap Vaksin Berbayar Menggunakan Metode Naïve Bayes Classifier (Nbc). Jurnal Teknik, 10(2), 113–121. https://doi.org/10.31000/jt.v10i2.5471

Singh, K. N., Dorendro, A., Devi, H. M., & Mahanta, A. K. (2021). Analysis of Changing Trends in Textual Data Representation. In Communications in Computer and Information Science (Vol. 1380, pp. 237–251). https://doi.org/10.1007/978-981-16-0507-9_21

Steven, C., & Wella, W. (2020). The Right Sentiment Analysis Method of Indonesian Tourism in Social Media Twitter. IJNMT (International Journal of New Media Technology), 7(2), 102–110. https://doi.org/10.31937/ijnmt.v7i2.1732

Syadid, F. (2019). Analisis Sentimen Komentar Netizen Terhadap Calon Presiden Indonesia 2019 Dari Twitter Menggunakan Algoritma Term Frequency-Invers Document Frequency (Tf- Idf) Dan Metode Multi Layer Perceptron (Mlp) Neural Network. Skripsi Universitas Islam Negeri Syarif Hidayatullah Jakarta, 1–89.

Syakuro, A. (2017). Pada Media Sosial Menggunakan Metode Naïve Bayes Classifier ( NBC ) Dengan Seleksi Fitur Information Gain ( IG ) Halaman Judul Skripsi Oleh : Abdan Syakuro. Analisis Sentimen Masyarakat Terhadap E-Commerce Pada Media Sosial Menggunakan Metode Naive Bayes Classifier (NBC) Dengan Seleksi Fitur Information Gain (IG), 1–89.

Zuhdi, A. M., Utami, E., & Raharjo, S. (2019). Analisis sentiment twitter terhadap capres Indonesia 2019 dengan metode K-NN. Jurnal Informa Politeknik Indonusa Surakarta, 5, 1–7.

Zulfa, I., & Winarko, E. (2017). Sentimen Analisis Tweet Berbahasa Indonesia Dengan Deep Belief Network. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 11(2), 187. https://doi.org/10.22146/ijccs.24716




DOI: http://dx.doi.org/10.31000/jika.v7i1.7410

Article Metrics

Abstract - 467 PDF - 338

Refbacks

  • There are currently no refbacks.


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

 

CURRENT INDEXING