ANALISA PERBANDINGAN ALGORITMA MULTINOMIAL NAÏVE BAYES DAN ADABOOST DALAM MENGKLASIFIKASIKAN SENTIMEN MASYARAKAT TERKAIT PINJAMAN ONLINE

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%