Analisis sentimen ujaran kebencian pemilihan presiden 2019 menggunakan algoritme Naïve Bayes

Media sosial dapat memberikan gambaran secara umum opini yang terjadi didalam masyarakat, termasuk dalam pemilihan presiden 2019. Hal ini mengakibatkan bahwa data yang terkumpul dari media sosial sangat menarik untuk dianalisa guna mengetahui bagaimana suatu opini yang terjadi di masyarakat. Pengumpulan data harus memakai metode tertentu agar menghasilkan keakuratan opini yang terjadi di masyarakt. Penelitian ini mempergunakan teknik pengumpulan data dengan metode multistage random, berdasarkan data dari situs semiocast terhadap keaktifan postingan twitter di bebrapa kota besar di Indonesia, yaitu Jakarta, Bandung, Semarang, Surabaya, Yogyakarta. Pengambilan data berdasarkan kata kunci pilpres 2019 yang dilakukan dibeberapa kota di Indonesia diperoleh sebanyak 5055 data. Data ini kemudian di klasisikasi berdasarkan kategori ujaran kebencian dengan mempergunakan algoritma Naive Bayes Classifier dan pembobotan TF-IDF. Hasil yang diperoleh dari klasifikasi ini menunjukkan bahwa sentimen irrelevant sebanyak 11,3% dengan 573 data, sentimen negatif sebanyak 35,4% dengan 1786 data, sentimen netral sebanyak 26,7% sebanyak 1350 data dan sentimen positif sebanyak 26,6% sebanyak 1343 data. Sentimen negatif pada lima kota tersebut, memperoleh skor tertinggi dengan nilai sebesar 35,4%. Distribusi sentimen negatif pada lima kota yang dijadikan sample menunjukkan bahwa di Jakarta sentimen negatif sebesar 33,8%, Bandung sentimen negatif sebesar 65,4%., Surabaya sentimen positif sebesar 37,2 %, Yogyakarta dengan sentimen negatif sejumlah 51,8%. dan Semarang dengan sentimen negatif 61,7%.