ANALISIS SENTIMEN MENGGUNAKAN SPEECH RECOGNITION DENGAN ALGORITMA NAIVE BAYES CLASSIFIER
DOI:
https://doi.org/10.33084/jsakti.v6i1.5416Keywords:
Analisis sentimen, Website, Speech RecognitionAbstract
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
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
How to Cite
Issue
Section
License
Copyright (c) 2023 Fikram Tamrin
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
All rights reserved. This publication may be reproduced, stored in a retrieval system, or transmitted in any form or by any means, electronic, mechanical, photocopying, recording.