Sentiment Analysis Berbahasa Indonesia Menggunakan Improved Multinomial Naive Bayes
Muhammad Adib Imtiyazi, Shaufiah Shaufiah, Moch Arif Bijaksana · eProceedings of Engineering · 2015
ABSTRAKSI Penggunaan Multinomial NaA¯ve Bayes sebagai classifier dalam kasus sentiment analysis sudah jamak dilakukan, namun penggunaan TF-IDF sebagai feature weighting dalam kasus tersebut dirasa kurang sesuai karena pada kasus sentiment analysis, karena sifat dari TF-IDF itu sendiri yang lebih mementingkan frequency kemunculan kata. Oleh karena itu, digunakanlah algoritma Improved Multinomial NaA¯ve Bayes yang menggunakan Improved Gini Index (TF- iGini) dalam pembobotan yang dianggap lebih tepat sehingga dapat menghasilkan performansi yang lebih baik. Pada tugas akhir ini dilakukan perbandingan performansi dari Multinomial NaA¯ve Bayes + TF-IDF dan Multinomial NaA¯ve Bayes + TF-iGini. Hasil percobaan menunjukkan bahwa iGini mampu memberikan hasil yang cukup baik jika dibandingankan dengan IDF pada Multinomial NaA¯ve Bayes, namun tidak cukup baik untuk menggantikan fungsi IDF dalam kasus klasifikasi sentiment. Kata kunci: sentiment analysis, feature weighting, IDF, improved gini, Multinomial NaA¯ve Bayes, Bahasa Indonesia.