SENTIMENT ANALYSIS TWEETS KEBIJAKAN PUBLIK BERBAHASA INDONESIA DENGAN METODE PRINCIPAL COMPONENT ANALYSIS DAN EXPECTATION MAXIMIZATION

Sentiment analysis dalam penelitian ini merupakan riset komputasional dari opini yang diekspresikan secara tekstual, untuk selanjutnya diklasifikasikan kedalam kelas sentimen positif dan negatif. Dimana data opini diakses dari media sosial twitter berdasarkan query kebijakan publik dalam bahasa Indonesia. Dalam sentiment analysis, tingginya dimensi dari fitur yang digunakan dalam menggambarkan teks, membutuhkan adanya Principal Component Analysis sebagai reduksi dimensi. Principal Component Analysis merupakan strategi yang bertujuan meningkatkan kinerja komputasi. Sedangkan metode Expectation Maximization adalah metode pengembangan Naive Bayes yang digunakan sebagai classifier. Dalam pengklasifikasiannya, metode Expectation Maximization menentukan opini ke dalam kelas positif dan negatif dengan cara clustering. Expectation Maximization sendiri dapat menangani atribut numerik dan nominal.
Penelitian ini menggunakan 400 tweets tekstual. Dengan hasil klasifikasi Expectation Maximization yang dibandingkan dengan data hasil asli yang merupakan data yang sudah didapatkan kelas sentimennya dari database mySQL. Dalam hasil penelitian didapatkan dari skenario terbaik dan metode berhasil mengklasifikasikan tweets dengan nilai Precission sebanyak 70.8%, Recall sebanyak 100%, dan Accuracy sebanyak 79.4%.