Majalah Ilmiah Teknologi Elektro, Vol. 20, No. 2, Juli - Desember 2021 DOI: https://doi.org/10.24843/MITE.2021.v20i02.P01 177 Putri Agung Permatasari: Survei Tentang Analisis Sentimen… p-ISSN:1693 – 2951; e-ISSN: 2503-2372 . Survei Tentang Analisis Sentimen Pada Media Sosial Putri Agung Permatasari 1 , Linawati 2 , Lie Jasa 3 [Submission: 05-03-2021, Accepted: 27-05-2021] Abstract— Social media has now become an important part of everyday life not only for personal needs but can be used in business, as well as many things that can be done. Social media used such as Facebook, Twitter, Youtube, Instagram, Likenid, and Whatsapp. With the existence of social media, the amount of data available is in the form of images, comments in the form of text or emoticons, videos, and so on, so that people are free to have an opinion. With the analysis of the sentiment of opinion that is developing and many on social media, it can produce useful data and information. In sentiment analysis, data classification algorithms are needed including the Naive Bayes Classifier, Support Vector Machine, K-NN, RNN, C4.5, Lexicon Based, LDA Based Topic Modeling, and several other algorithms. This article examines some of the sentiment analysis literature on social media. Currently, the social media that is often used in analysis is Twitter and algorithm users that can increase the level of accuracy are the Naive Bayes Classifier algorithm and the Support Vector Machine. The results of calculating different data classification accuracy can be seen in the test data in the study. Intisari—Media sosial saat ini telah menjadi bagian penting dalam kehidupan sehari-hari tidak hanya untuk kebutuhan pribadi melainkan bisa di gunakan dalam bisnis, serta banyak hal yang bisa dilakukan. Media sosial yang digunakan seperti Facebook, Twitter, Youtube, Instagram, Likenid, dan Whatsapp. Dengan adanya media sosial tersebut banyaknya data yang ada berupa gambar, comment berupa text atau emoticon, video, dan lainnya, sehingga masyarakat bebas beropini. Dengan adanya analisis sentimen opini yang berkembang dan banyak di media sosial tersebut dapat menghasilkan data dan informasi yang bermanfaat. Dalam analisis sentimen diperlukannya algoritma klasifikasi data diantaranya Naive Bayes Classifier, Support Vector Machine, K-NN, RNN, C4.5, Lexicon Based, LDA Based Topic Modeling, dan beberapa algoritma lainnya. Artikel ini menelaah beberapa literature analisis sentimen pada media sosial. Saat ini media sosial yang sering digunakan dalam analisis adalah Twitter dan pengguna algoritma yang dapat meningkatkan tingkat akurasi adalah algoritma Naive Bayes Classifier dan Support Vector Machine. Hasil perhitungan akurasi klasifikasi data berbeda-beda terlihat pada data uji pada penelitian tersebut. Kata Kunci— Analisis Sentimen, Teks Mining, Naive Bayes Classifier I. PENDAHULUAN Dinamisnya perkembangan teknologi informasi ke dalam bentuk digital telah merubah gaya hidup manusia. Teknologi informasi khususnya internet semakin mudah dikonsumsi dan telah menjadi kebutuhan sebagian besar orang. Menurut Kemenkominfo Republik Indonesia, pengguna internet di Indonesia telah mencapai setidaknya 82 juta pengguna atau lebih dari 1/3 jumlah penduduk Indonesia. Besarnya jumlah pengguna internet di Indonesia menempatkan Indonesia pada peringkat ke-8 dalam hal banyaknya jumlah pengguna dibandingkan negara-negara lainnya [1]. Tujuan pengguna internet di Indonesia sangat beragam mulai dari hanya untuk berinteraksi dan berkomunikasi dengan kerabat melalui media sosial hingga meningkatkan produktivitas kerja. Media sosial yang sering digunakan masyarakat baik untuk produktivitas kerja ataupun mendukung bisnisnya yaitu Facebook, Twitter, Youtube, Instagram, Linkedin, Twitter, dan Whatsapp.Media sosial tersebut memiliki beberapa kemudahan untuk pengguna seperti fitur yang memungkinkan pengguna berkomentar atau menanggapi unggahan pemilik akun media sosial. Dengan media sosial pengguna bisa mengungkapkan ekspresi ataupun opininya, baik itu berupa ungkapan positif, negatif, dan netral. Tentu hal ini akan berpengaruh terhadap entitas yang diberikan opini atau komentar. Banyaknya unggahan yang ada di media sosial butuh adanya analisis sentimen, yang berfungsi untuk mengklasifikasi data yang terstruktur maupun yang tidak terstruktur. Saat ini banyak penelitian yang berkaitan tentang analisis sentimen. Analisis sentimen pada media sosial dapat memberikan informasi yang bermanfaat bagi entitas yang diberikan opini. Analisis sentimen dapat mengkalsifikasikan kalimat opini berupa kalimat positif, negatif, dan netral. Sehingga dapat menghasilkan sebuah informasi bagi entitas baik itu perusahaan maupun instansi. Untuk mendukung analisis sentimen tersebut ada berbagai metode yang digunakan diantaranya Naive Bayes Classifier, Support Vector Machine, K-NN, RNN, C4.5, Lexicon Based, LDA Based Topic Modeling, dan beberapa algoritma lainnya. Beberapa literatur yang ada mengenai analisis sentimen khususnya terkait media sosial menjelaskan bahwa metode Naïve Bayes Classifier merupakan metode sederhana yang mempunyai tingkat akurasi dari hasil klasifikasi yang tinggi dimana tingkat akurasinya dipengaruhi oleh banyaknya data uji [2]. Naïve Bayes Classifier dapat dilakukan di perusahaan atau instansi yang sangat dipengaruhi oleh ekspresi ataupun opini masyarakat yang dituangkan dalam fitur media sosial seperti kolom comment. Artikel ini mencoba menelaah literatur yang membahas tentang analisis sentimen pada media sosial. Hasil dari telaah ini diharapkan dapat membantu peneliti dan pengembang untuk mengetahui perkembangan dan tingkat akurasi klasifikasi pada beberapa algoritma yang digunakan dalam beberapa media sosial sehingga dapat mendapatkan nilai akurasi yang tinggi dan informasi yang tepat. 1 Mahasiswa ,Magister Teknik Elektro Universitas Udayana Gedung Pascasarjana Universitas Udayana, Jl. PB Sudirman Denpasar-Bali 80234 INDONESIA (tlp:0361-555225; e-mail: agungputri.p@gmail.com. 2,3 Dosen,Magister Teknik Elektro Universitas Udayana Gedung Pascasarjana Universitas Udayana ,Jl. PB Sudirman Denpasar-Bali 80234INDONESIA (tlp:0361-555225) e-mail: linawati@unud.ac.id ; liejasa@unud.ac.id