ANALISIS SENTIMEN SISTEM E-TILANG PADA TWITTER MENGGUNAKAN METODE MULTINOMIAL NAÏVE BAYES

E-tilang adalah digitalisasi proses tilang, teknologi ini diharapkan menjadikan
seluruh proses tilang lebih efisien. Sistem e-tilang membantu pengendara
menghindari banyaknya pelanggaran berlalu-lintas. E-tilang juga membantu
penegak hukum tetap bersih dari pungutan liar, istilah damai, dan denda. Sistem etilang yang efisien dan efektif menimbulkan berbagai pendapat dari kalangan
masyarakat. Perkembangan website 4.0 dan peningkatan penggunaan media sosial
sendiri dapat dimanfaatkan untuk menjadi sumber informasi dan pengambilan
keputusan ini dapat dicapai melalui text mining yang menggunakan komentar di
media sosial atau website untuk melakukan analisis sentimen. Analisis sentimen
dilakukan dengan penerapan metode Multinomial Naive Bayes. Multinomial Naive
Bayes merupakan salah satu metode text mining pada proses pengklasifikasian teks
dengan menggunakan nilai probabilitas suatu kelas dalam suatu dokumen.
Penelitian ini menganalisis opini publik tentang sistem e-tilang berbasis data twitter
menggunakan metode Multinomial Naïve Bayes dengan ekstraksi fitur TF-IDF.
Yang bertujuan untuk mengetahui tingkat akurasi, presisi, dan recall menggunakan
metode Multinomial Naïve Bayes dalam klasifikasi sentimen sistem e-tilang di
twitter. Hasil pada penelitian ini menunjukkan nilai akurasi tertinggi diperoleh pada
fold k=10 pada langkah uji 6 dengan hasil akurasi sebesar 91,11%, presisi 90,91%, dan recall 91%.