Analisis Sentimen Kurikulum Merdeka Menggunakan Klasifikasi Multinomial Naïve Bayes dan Bernoulli Naïve Bayes dengan Seleksi Fitur Query Expansion Ranking

Analisis sentimen merupakan analisis data teks yang mengklasifikasikan data ke dalam sentimen positif dan negatif. Salah satu metode klasifikasi sentimen adalah naïve bayes, yaitu metode klasifikasi yang didasarkan pada teorema bayes. Tingginya dimensi fitur dalam proses klasifikasi menjadi masalah dalam analisis sentimen. Salah satu cara untuk mengatasi masalah tersebut adalah dengan menggunakan seleksi fitur. Penelitian ini bertujuan untuk memperoleh hasil klasifikasi sentimen terkait kurikulum merdeka pada twitter dan perbandingan kinerja klasifikasi dua metode klasifikasi pada pengklasifikasian sentimen terkait kurikulum merdeka. Metode klasifikasi yang digunakan adalah variasi dari naïve bayes, yaitu multinomial naïve bayes dan bernoulli naïve bayes dengan query expansion ranking sebagai seleksi fitur. Data pada penelitian ini adalah 15000 tweets dengan kata kunci “Kurikulum Merdeka”. Klasifikasi sentimen menggunakan multinomial naïve bayes menghasilkan 106 tweet sentimen positif dan 164 tweet sentimen negatif dengan accuracy 98.88889%, recall 98.13084%, precision 99.05660% dan f-measure 98.59155%, sedangkan menggunakan bernoulli naïve bayes menghasilkan 95 tweet sentimen positif dan 175 tweet sentimen negatif dengan accuracy 94.81481%, recall 87.85047%, precision 98.94739% dan f-measure 93.06931%. Berdasarkan hal tersebut, diperoleh bahwa multinomial naïve bayes lebih baik dibandingkan bernoulli naïve bayes dalam mengklasifikasikan sentimen kurikulum merdeka.