| Analisis sentimen merupakan suatu proses dalam penentuan sebuah opini berdasarkan teks yang ada lalu dilakukan klasifikasi menjadi opini positif dan negatif. Teks yang digunakan dalam analisis sentimen dapat dikumpulkan dari postingan web, blog, ataupun komentar di media sosial. Twitter menjadi salah satu media sosial yang cocok digunakan menjadi sumber data yang digunakan dalam analisis sentimen karena lebih banyak berisi teks. Dalam melakukan analisis sentimen, terdapat beberapa metode yang dapat digunakan diantaranya metode SVM (Support Vector Machine), Naive Bayes, dan Decision Tree. Masing-masing metode klasifikasi tersebut memiliki prinsip kerja yang berbeda dan memiliki keunggulan dan kelemahan tersendiri. Maka dari itu, penelitian ini akan melakukan perbandingan dari metode SVM (Support Vector Machine), Naive Bayes, dan Decision Tree dengan melakukan analisis sentimen pada data Bahasa Indonesia untuk mengetahui metode mana yang memiliki kinerja paling baik. Kinerja diukur berdasarkan nilai accuracy, precision, dan recall. Proses klasifikasi dilakukan dengan menggunakan RapidMiner. Berdasarkan hasil percobaan, metode SVM memiliki nilai accuracy 70.44%, precison 69.27%, dan recall 64.33% sedangkan metode Decision Tree memiliki nilai accuracy 59.61%, precision 61,77%, dan recall 32,23%. Dan Naive Bayes menghasilkan nilai accuracy 65,63%, nilai precision 60,67%, nilai recall 72,13%. |