Abstract:
Penelitian ini bertujuan untuk menganalisis dan membandingkan kinerja algoritma
Multinomial Naive Bayes (MNB) dan AdaBoost dalam mengklasifikasikan
sentimen masyarakat terkait pinjaman online. Data yang digunakan dalam
penelitian ini adalah komentar pengguna di media sosial twitter terkait pinjaman
online yang diambil dengan metode scraping pada periode waktu 01-12-2023
hingga 31-01-2024. Metode yang digunakan untuk mengolah data adalah SEMMA
(Sample, explore, modify, model, acces), tahapan tersebut mencakup tahap
preprocessing data pemodelan dan evaluasi. Sentiment diklasifikasikan kedalam
kelas positif, negatif dan netral dengan menggunakan kamus lexicon base bahasa
indonesia. Model yang dibangun menggunakan Algoritma Multinomilan Naïve
Bayes dan AdaBoost untuk dibandingkan performanya dengan mengukur nilai
akurasi, presisi, recall dan f1 score pada masing-masing algoritma. Hasil evaluasi
model menunjukan menunjukkan bahwa algoritma AdaBoost memiliki kinerja
yang lebih baik dibandingkan dengan algoritma Multinomial Naïve Bayes dalam
mengklasifikasikan sentimen masyarakat terkait pinjaman online. Hal ini
dibuktikan dengan nilai akurasi dari algoritma AdaBoost sebesar 76%, sedangkan
akurasi dari algoritma MNB sebesar 71%
