Analisis Komperatif Kinerja Algoritma Nai've Bayes, Suport Vector Machine,Dan Logistic Regression Dalam Klasifikasi Sentimen Tweet Bitcoin

Dalam penelitian ini akan dilakukan analisis sentimen publik terhadap cryptocurrency (Bitcoin) yang disampaikan melalui media sosial Twitter. Ada beberapa tahapan yang dilakukan dalam analisis sentimen diantaranya adalah tahap pengumpulan data, labeling, sampling, preprocessing, pembobotan kata, klasifikasi dan evaluasi. Proses pengumpulan data menghasilkan dataset awal sebanyak 71.430 data berupa tweet berbahasa Inggris. Pada proses labeling data dilakukan menggunakan pemrograman python dengan bantuan library textblob, hasil labeling data terdiri dari 3 kelas yaitu positif, negatif dan netral. Pada proses preprocessing yang bertujuan untuk membersihkan data terdiri dari 6 tahapan yaitu cleansing, case folding, normalisasi kata, tokenizing, stop word removal dan lemmatization. Metode klasifikasi yang digunakan dalam penelitian ini adalah komparasi antara algoritma Naïve Bayes, Logistic Regression, dan Support Vector Machine (SVM). Ketiga algoritma tersebut dikombinasikan dengan fitur pembobotan kata menggunakan metode TF-IDF. Data yang digunakan pada tahap klasifikasi sebanyak 14.000 data tweet (setelah melalui proses sampling dan penghapusan kelas netral) yang terdiri dari label positif dan label negatif yang kemudian dibagi menjadi 2 yaitu untuk data latih sebanyak 11.200 data dan data uji sebanyak 2.800 data. Pengujian dan evaluasi dilakukan menggunakan metode confusion matrix di mana algoritma Support Vector Machine (SVM) keluar sebagai model terbaik yang menghasilkan nilai akurasi mencapai 85,82% dan F1-Score sebesar 85,34%.

Kata Kunci : Support Vector Machine, Logistic Regression, Naïve Bayes, Analisis Sentimen, Bitcoin