ABSTRAK
SYAHRUL RAMADHAN, Analisis Sentimen Media Sosial Terhadap Kebijakan Pemerintah Menggunakan Naive Bayes Dengan Pengembangan Menggunakan Fasttext (dibimbing oleh Pasnur dan Abd. Rahman.)
Permasalahan yang terjadi pada analisis sentimen media sosial terhadap kebijakan pemerintah menggunakan naïve bayes dengan pengembangan menggunakan fasttext ialah pada metode naïve bayes yang memiliki kelemahan dalam menangani kata-kata yang tidak ada di dalam data pelatihan sehingga tidak dapat memberikan prediksi yang akurat. Pada penelitian ini diusulkan metode fasttext yang mampu menangani kelemahan dari naïve bayes dalam melakukan klasifikasi. Tujuan penelitian ini adaalah mengoptimalkan akurasi dan ketepatan klasifikasi komentar twitter terhadap kebijakan pemerintah. Data diperoleh
melalui proses crawling berupa komentar atau tweet dari pengguna twitter. Metode yang digunakan dalam penelitian ini adalah adalah naïve bayes dengan pengembangan menggunakan fasttext. Hasil penelitian ini menunjukkan bahwa pengujian menunjukkan bahwa model naive bayes dengan fasttext menunjukkan kinerja yang lebih baik dengan nilai presisi 75%, recall 90%, f-measure 81% dan akurasi 85% dibandingkan model naive bayes tanpa menggunakan fasttext yang memiliki nilai presisi yang tinggi sebesar 100%, tetapi memiliki recall yang rendah sebesar 30%, dengan f-measure 46% dan akurasi 53%. Metode yang diusulkan terbukti meningkatkan kinerja model dalam mengklasifikasikan komentar twitter terhadap kebijakan pemerintah.
Kata kunci: Analisis Sentimen, Naive Bayes, Fasttext, Twitter, Klasifikasi Kebijakan Pemerintah .