Sentiment Analysis

1. Jenis Output yang dihasilkan adalah tweets berbahasa Indonesia pada media sosial twitter
kedalam kategori positif; negatif dan netral. Hasilnya dengan Naïve BayesClassifier karena hasil
seleksi fitur didapatkan terms lebih banyak yaitu sebanyak 776 kata yang terseleksi,
sedangkan seleksi fitur Particle Swarm Optimization(PSO) menggunakan parameter TF-IDF
dengan Naïve BayesClassifier didapatkan terms sebanyak 774 kata yang terseleksi.
2. Output yang dihasilkan adalah jumlah kemunculan dari ulasan negatif dan positif. Hasil klasifikasi
analisis sentiment menunjukkan bahwa akurasi tertinggi diperoleh oleh algoritma Decision Tree
sebesar 91.77% sedangkan Algoritma Naïve Bayes memperoleh nilai akurasi sebanyak 71.4%.