ANALISIS SENTIMEN MENGGUNAKAN SPEECH RECOGNITION DENGAN ALGORITMA NAIVE BAYES CLASSIFIER

Authors

  • Fikram Tamrin Universitas Muhammadiyah Maluku Utara
  • Sakina Sudin Universitas Muhammadiyah Maluku Utara
  • Gamaria Mandar Universitas Muhammadiyah Maluku Utara

DOI:

https://doi.org/10.33084/jsakti.v6i1.5416

Keywords:

Analisis sentimen, Website, Speech Recognition

Abstract

Analisis sentimen atau disebut juga opini adalah proses pemahaman, penggalian, dan analisis data tekstual secara otomatis untuk mendapatkan informasi sentimen yang terkandung dalam sebuah kalimat opini terhadap suatu isu oleh seseorang, yang cenderung memiliki opini negatif atau positif. Tujuan dari penelitian ini adalah mengklasifikasikan data mahasiswa dan mahasiswi di lingkungan sekitar kampus Muhammadiyah Maluku Utara menjadi 2 kategori, positif dan negatif. Pada penelitian ini, teks yang kami gunakan berbahasa Indonesia yang memuat data responden dari kalangan umum dan mahasiswa. Adapun pengembangan website layanan masyarakat untuk menampung opini dari masyarakat dan mahasiswa yang menggunakan fitur speech recognition untuk mengubah ucapan menjadi tulisan secara langsung (real-time) dalam bahasa Indonesia dengan input microphone. Opini publik yang terdapat pada website layanan publik dapat dijadikan sebagai bahan analisis apakah masyarakat dan mahasiswa memiliki sikap negatif terhadap keberadaan kampus Universitas Muhammadiyah Maluku Utara. Data yang digunakan terdiri dari 300 data yang terbagi menjadi 2 yaitu 220 untuk data latih dan 80 data untuk data uji. Klasifikasi data sentimen menggunakan text mining dengan Naïve Bayes Classifier. Sebelum klasifikasi dilakukan beberapa langkah pengolahan kata, seperti: Case Folding, Cleaning, Stopword, Tokenizing dan Stemming. Hasil dari 80 data pengujian yang diklasifikasikan adalah 43 data sentimen positif dan 7 data negatif. Dapat diartikan bahwa 80 data uji yang terklasifikasi termasuk dalam kategori sentimen positif karena data negatif lebih kecil dari data dengan sentimen positif. Dapat diartikan bahwa data uji 80 termasuk dalam kategori sentimen karena data negatif lebih kecil dari sentimen positif. Akurasi pada algoritma Naïve Bayes Classifier memiliki nilai sebesar 62,5%.

Downloads

Download data is not yet available.

Author Biographies

Fikram Tamrin, Universitas Muhammadiyah Maluku Utara

Sakina Sudin, Universitas Muhammadiyah Maluku Utara

Gamaria Mandar, Universitas Muhammadiyah Maluku Utara

References

Anwar, A. (2019). Pengertian dan Sejarah Bahasa Pemrograman Python. ilmuti.org.

Buana, I. K. S. (2020). Implementasi Aplikasi Speech to Text untuk Memudahkan Wartawan Mencatat Wawancara dengan Python. Jurnal Sistem Dan Informatika (JSI). https://doi.org/10.30864/jsi.v14i2.293

Chauhan, N., Singh, M., Verma, A., Parasher, A., & Budhiraja, G. (2019). Implementation of database using python flask framework: college database management system. International Journal of Engineering and Computer Science. https://doi.org/10.18535/ijecs/v8i12.4390

Ghifary, M. E., & Agustia, R. D. (2018). Pembangunan Aplikasi Transkrip Wawancara Menggunakan Metode Speech Recognition.

Häb-Umbach, R., Li, J., Deng, L., & Gong, Y. (2015). Robust Automatic Speech Recognition: A Bridge to Practical Applications. Elsevier Science.

Kadir, A. (2018). Dasar pemrograman internet untuk proyek berbasis arduino. Andi.

Kristanto, A. (2018). Perancangan sistem informasi dan aplikasinya. Gava Media.

Lane, H., Howard, C., Hapke, H. M., & Hapke, H. (2019). Natural Language Processing in Action: Understanding, Analyzing, and Generating Text with Python. Manning.

Manning, C. D., Raghavan, P., & Schütze, H. (2008). Introduction to information retrieval (P. Raghavan & H. Schütze, Eds.). Cambridge University Press.

Mandar Gamaria, Gunawan (2017). Peringkasan Dokumen Berita Bahasa Indonesia Menggunakan Metode Cross Latent Semantic Analysis . Register Vol 3 No 2 . DOI: 10.26594/register.v3i2.1161

Mandar Gamaria, Gunawan (2018). Kajian Pemanfaatan Metode Klasifikasi Data Mining Pada Pelayanan Perpustakaan. JTIFA Vol 1 No 1 DOI: https://doi.org/10.52046/j-tifa.v1i1.117

Mandar Gamaria, Abdul Haris Muhaamad dkk (2020). Klasifikasi Berita Indonesia Menggunakan Naiuve Bayes dengan Porter Stemmer . J-TIFA Vol 3 No 2 . DOI: https://doi.org/10.52046/j-tifa.v3i2.1121

Nurhafidah, S. I., & Sembiring, F. (2022). Analisis Sentimen Aplikasi Novel Online Di Google Play Store Menggunakan Algoritma Support Vector Machine (SVM). J-SAKTI (Jurnal Sains Komputer & Informatika). http://dx.doi.org/10.30645/j-sakti.v6i1.447

Rachman, F. H. (2020). Komputasi Bahasa Alami. Media Nusa Creative (MNC Publishing).

Raj, A. (2018, February 9). Interfacing MQ137 Sensor with Arduino to Measure Ammonia in PPM. Circuit Digest. Retrieved April 9, 2022, from https://circuitdigest.com/microcontroller-projects/arduino-mq137-ammonia-sensor

Stubbs, A., & Pustejovsky, J. (2012). Natural Language Annotation for Machine Learning. O'Reilly Media, Incorporated.

Sudiantoro, A. V., & Zuliarso, E. (2018). ANALISIS SENTIMEN TWITTER MENGGUNAKAN TEXT MINING DENGAN ALGORITMA NAÏVE BAYES CLASSIFIER. Prosiding SINTAK.

Witten, I. H., & Frank, E. (2005). Data Mining: Practical Machine Learning Tools and Techniques, Second Edition. Elsevier Science.

XHEMALI, D., HINDE, C. J., & STONE, R. G. (2009). Naïve Bayes vs. Decision Trees vs. Neural Networks in the Classification of Training Web Pages. International Journal of Computer Science Issues.

Downloads

Published

2023-11-18

How to Cite

Tamrin, F., Sudin, S., & Mandar, G. (2023). ANALISIS SENTIMEN MENGGUNAKAN SPEECH RECOGNITION DENGAN ALGORITMA NAIVE BAYES CLASSIFIER. Jurnal Sains Komputer Dan Teknologi Informasi, 6(1), 60–64. https://doi.org/10.33084/jsakti.v6i1.5416