PENERAPAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE PADA SENTIMEN ANALISIS KEBIJAKAN PEMINDAHAN IBUKOTA NEGARA INDONESIA MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER = APPLICATION OF SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE IN SENTIMENT ANALYSIS OF THE POLICY OF RELOCATING THE CAPITAL CITY OF INDONESIA USING NAÏVE BAYES CLASSIFIER ALGORITHM

Salah satu topik ataupun isu yang cukup sering dibahas oleh masyarakat pada media sosial twitter belakangan ini adalah wacana pemindahan ibukota negara. Wacana pemindahan ibukota Indonesia memiliki urgensi yang sangat penting bagi kemajuan bangsa utamanya dalam mendongkrak perekonomian. Namun hal ini menimbulkan perdebatan di berbagai kalangan sehingga diperlukannya pendekatan untuk mengekstraksi informasi opini yang terkandung dalam data text dari platform twitter. Untuk mengekstraksi informasi opini masyarakat mengenai suatu topik pada twitter dapat menggunakan analisis sentimen. Proses analisis sentimen melibatkan metode klasifikasi dari teks ke dalam kategori seperti positif ataupun negatif. Dalam penelitian ini, Naïve bayes classifier digunakan untuk proses klasifikasi sentimen yang di kombinasikan dengan balancing terhadap data menggunakan Synthetic Minority Oversampling Technique (SMOTE) mengenai pemindahan ibukota negara Indonesia. Penelitian ini menggunakan 10000 data tweet yang kemudian menjadi 5879 tweet setelah melalui tahapan preprocess dengan distribusi kelas setelah melakukan pelabelan manual 2197 tweet bersentimen positif dan 3682 tweet bersentimen negatif, kemudian dilakukan balancing data dengan menambahkan data sintetik pada kelas negatif menggunakan metode SMOTE sehingga diperoleh total data 7364 dengan distribusi kelas yang seimbang. Hasil ketepatan klasifikasi menggunakan naïve bayes classifier pada data yang telah seimbang memiliki akurasi dan f-measure masing-masing 80,72% dan 82,228% nilai ini lebih baik dibandingkan tanpa melakukan penyeimbangan data.

Keywords : Analisis Sentimen, Balancing data, Naïve Bayes Classifier, Pemindahan Ibukota Negara Indonesia, Synthetic Minority Oversampling Technique