KLASIFIKASI OPINI MASYARAKAT TENTANG SAJIAN BERITA WEB LAPOR KEMENTERIAN PANRB MENGGUNAKAN METODE ALGORITMA NAÏVE BAYES CLASSIFIER ( NBC ) --

ABSTRAK
Website lapor merupakan pelayanan pengaduan masyarakat untuk berbagai informasi dan berita. Dengan website lapor tersebut masyarakat dapat memberikan komentar apakah komentar yang di sampaikan itu termasuk dalam sebuah komentar atau opini yang positif, negatif, ataupun netral. Dari berita yang dijelaskan pada website lapor kementerian panrb maka perlu untuk mendapatkan data opini masyarakat. Kemudian melakukan analisis sentimen terhadap data yang berisi komentar atau opini masyarakat yang ada di website lapor tersebut. Hasil pengolahan dan analisis data perlu untuk diklasifikasikan agar dapat membantu dalam proses pengambilan data. Dalam penelitian ini, mengklasifikasi data komentar website lapor menggunakan metode naïve bayes classifier. Data yang terkumpul dari website lapor dengan menggunakan crawling data sebanyak 150 data lalu dilakukan pemilihan komentar yang sama, setalah itu dilakukan pelabelan,setelah data pelabelan lanjut ke tahap preprosessing, kemudian tahap klasifikasi data ditahap ini dibagi menjadi 80% training dan 20% testing diandingkan kategori data dan disajikan dalam confution matrix. Kemudian membagi data set dengan sistem menggunakan k-fold cross validation. Dari hasil klasifikasi opini masyarakat tentang sajian berita website lapor kementerian panrb menggunakan metode algoritma naïve bayes classifier (nbc) diperoleh bahwa naïve bayes mampu mengklasifikasikan data dengan baik. Hal ini dapat dilihat dengan rata-rata persentasi akurasi 45.6%, prescision 28.1%, recall 37.4%, f-measure 28.4%.
Kata kunci –Naïve Bayes Classifier, Berita, Opini, Klasifikasi, website lapor