i

SISTEM ANALISIS

SENTIMEN POSITIF DAN NEGATIF MENGGUNAKAN

ALGORITMA KLASIFIKASI NAIVE BAYES PADA

KASUS TOKOH PUBLIK CAPRES INDONESIA 2014

Oleh

Yosafat Gerald Montalili

NIM : 612006047

Skripsi

Untuk melengkapi syarat-syarat memperoleh

Ijazah Sarjana Teknik Elektro

FAKULTAS TEKNIK JURUSAN TEKNIK ELEKTRO

UNIVERSITAS KRISTEN SATYA WACANA

SALATIGA

Januari 2014

i

i

i

i

INTISARI

Tulisan yang terdapat pada berita dapat mengubah pandangan masyarakat luas

yang membacanya. Sangatlah besar pengaruh sentimen berita terhadap perubahan

persepsi masyarakat kepada tokoh yang diberitakan. Biasanya tokoh yang menarik

untuk diberitakan adalah tokoh politik seperti calon gubernur, calon presiden, dsb.

Dalam menyongsong tahun 2014, dimana Indonesia mengadakan Pil-Pres (Pemilihan

Presiden), tentu tokoh-tokoh Capres (Calon Presiden) gencar diberitakan dan

dibicarakan.

Pada skripsi ini dirancang dan direalisasikan suatu Sistem Analisis Sentimen

Positif dan Negatif Menggunakan Algoritma Klasifikasi Naive Bayes Pada Kasus

Tokoh Publik Capres Indonesia 2014. Naive bayes sudah terbukti mampu melakukan

analisis sentimen dengan baik dalam beberapa penelitian.

Pada perancangan skripsi ini, proses analisis terdiri dari 3 bagian utama

subsistem, yaitu : Subsistem Praproses, Subsistem Pembelajaran Mesin dan Subsistem

Analisis Sentimen. Dokumen yang digunakan adalah dokumen berita yang diperoleh

dari internet, berupa dokumen utuh. Umumnya sebuah dokumen berita berisikan 300-

400 buah kata. Dengan total keseluruhan kata unik yang diproses pada pelatihan naive

bayes mencapai 2225 kata, menjadikan nilai Probabilitas kata dalam suatu sentimen

bernilai sangat kecil hanya berkisar antara 0,000165125495376486 sampai

0,0137054161162483.

Sistem yang dirancang mampu melakukan analisis sentimen dokumen-dokumen

berita uji sesuai dengan inputan dari user kedalam 2 sentimen (hard classification),

yaitu sentimen positif dan negatif. Tingkat akurasi dari pengujian sebesar 82%. Tujuan

dari perancangan sistem ini adalah mempermudah user untuk mencari berita sesuai

dengan sentimennya.

ii

ABSTRAK

News can change public opinion and the news sentiment to change the public

perception of the reported figures.Usually the figure reported is interesting to political

figures such as a candidate for governor, presidential candidate, and so on. In the 2014,

which Indonesia held Pil-Pres (Presidential Election), The Candidates (Presidential

Candidate) heavily reported and discussed.

This thesis is design and realize a “Sentiment Analysis System Using Positive and

Negative Naive Bayes Classification Algorithm In the case of candidates Indonesian

Public Figures 2014”. Naive Bayes has been proven to perform well in sentiment

analysis of several research.

In this thesis analysis process consists of three main parts subsystems, namely:

preprocessing Subsystem, Machine Learning Subsystem and Sentiment Analysis

Subsystem. Documents that used is news documents which obtained from the Internet,

such as intact documents. Generally a news document containing 300-400 word pieces.

With a total of unique words that are processed on training Naïve Bayes reach 2225

words, making the word-probability value of sentiment become very small, ranges

between 000165125495376486 to 0.0137054161162483.

System that designed is able to perform sentiment analysis test news documents

according to the input from the user, into two sentiments (hard classification), that is

positive and negative sentiment. The accuracy level of the test is 82%.The purpose this

system designed is to make easier for a user to find the news according to their

sentiment.

iii

KATA PENGANTAR

Puji syukur kepada Tuhan Yesus Kristus atas segala kasih, anugerah dan

kemurahan-Nya sehingga penulis dapat menyelesaikan skripsi yang berjudul “Sistem

Analisis Sentimen Positif dan Negatif Menggunakan Algoritma Klasifikasi Naive

Bayes Pada Kasus Tokoh Publik Capres Indonesia 2014”.

Skripsi ini disusun untuk memenuhi salah satu persyaratan yang telah ditetapkan

dalam meraih gelar Sarjana Strata I di Fakultas Teknik Elektronika dan Komputer

Universitas Kristen Satya Wacana, Salatiga.

Keberhasilan penulisan skripsi ini tidak lepas dari bantuan berbagai pihak. Oleh

sebab itu, pada kesempatan ini penulis ingin mengucapkan terima kasih kepada:

1. Bapak Hartanto Kusuma Wardana M.T., selaku pembimbing pertama yang telah

berkenan menyediakan banyak waktu untuk membimbing, serta memberikan

benyak saran dan pengarahan dalam penyelesaian skripsi ini.

2. Bapak Drs. Harsono, selaku pembimbing kedua yang telah berkenan menyediakan

banyak waktu untuk membimbing, serta memberikan benyak saran dan pengarahan

dalam penyelesaian skripsi ini.

3. Dr. Iwan Setiawan, selaku Dekan Fakultas Teknik Elektronika dan Komputer,

Universitas Kristen Satya Wacana, Salatiga.

4. Para Dosen, pegawai dan staff yang telah membantu penulis dalam menyelesaikan

studi.

5. Papa, Mama dan kedua kakakku yang senantiasa memberikan dukungan moril,

semangat dan doa.

6. Istri dan anakku tercinta yang selalu menjadi semangat dalam menyelesaikan studi.

7. Angling, Bonus, Chandra dan teman-teman yang sudah banyak membantu dalam

penyelesaian skripsi ini.

8. Teman – teman elektro dari semua angkatan yang tak dapat penulis sebut satu per

satu.

iv

Penulis menyadari bahwa masih banyak kekurangan dalam menyelesaikan skripsi

ini, sehingga kritik dan saran yang membangun sangat penulis harapkan. Akhir kata

semoga skripsi ini dapat bermanfaat bagi semua pihak. Apabila terdapat banyak

kesalahan dalam proses penyelesaian skripsi ini, penulis mohon maaf yang sebesar-

besarnya.

Salatiga, Januari 2014

Penulis

v

DAFTAR ISI

INTISARI . ........................................................................................................................ i

ABSTRACT . ....................................................................................................................... ii

KATA PENGANTAR .......................................................................................................... iii

DAFTAR ISI ........................................................................................................................ v

DAFTAR GAMBAR ........ .................................................................................................. vii

DAFTAR TABEL ..... ........................................................................................................ viii

BAB I PENDAHULUAN ......................................................................................... 1

1.1. Tujuan .................................................................................................. 1

1.2. Latar Belakang Masalah ....................................................................... 1

1.3. Batasan Masalah ................................................................................... 3

1.4. Perincian Tugas .................................................................................... 4

1.5. Sistematika Penulisan........................................................................... 4

BAB II DASAR TEORI ............................................................................................ 6

2.1. Berita .................................................................................................. 6

2.2. Sentimen Analisis................................................................................. 7

2.3. Machine Learning ................................................................................ 7

2.4. Text Preprocessing ............................................................................... 8

2.4.1. Tokenisasi ................................................................................. 8

2.4.2. Filtering .................................................................................... 9

2.5. Naive Bayes .......................................................................................... 9

BAB III PERANCANGAN ...................................................................................... 12

3.1. Gambaran Umum Sistem ................................................................... 12

3.2. Data ................................................................................................ 13

3.2.1. Pengambilan Dokumen ........................................................... 13

3.2.2. Pengambilan Data ................................................................... 17

vi

3.3. Subsistem Praproses ......................................................................... 18

3.4. Subsistem Pembelajaran Mesin ........................................................ 20

3.5. Subsistem Analisis Sentimen ........................................................... 23

BAB IV PENGUJIAN DAN ANALISIS ................................................................. 25

4.1. Hasil Subsistem Praproses ................................................................. 25

4.2. Hasil Subsistem Pembelajaran Mesin ................................................ 26

4.3. Hasil Subsistem Analisis Sentimen .................................................... 30

4.4. Hasil Percobaan ................................................................................. 38

4.4.1. Pengujian Sistem Aplikasi ..................................................... 38

4.4.2. Pengujian Akurasi Sistem ...................................................... 41

BAB V KESIMPULAN DAN SARAN .................................................................. 43

5.1. Kesimpulan ........................................................................................ 43

5.2. Saran Pengembangan ......................................................................... 43

DAFTAR PUSTAKA .......................................................................................................... 44

vii

DAFTAR GAMBAR

Gambar 2.1 Tokenisasi dan Filtering ................................................................................ 8

Gambar3.1 Gambaran umum sistem .............................................................................. .12

Gambar 3.2 Penyimpanan dokumen latih positif ............................................................ .16

Gambar 3.3 Penyimpanan dokumen latih negatif ........................................................... .17

Gambar 3.4 Diagram alir subsistem praproses ............................................................... .19

Gambar 3.5 Diagram alir subsistem pembelajaran naive bayes. ..................................... 22

Gambar 3.6 Diagram alir subsistem analisis sentimen. ................................................... 24

Gambar 4.1 Sampel tabel kata. ........................................................................................ 25

Gambar 4.2 Sampel tabel data ......................................................................................... 26

Gambar 4.3 Sampel tabel pelatihan naive bayes. ............................................................. 27

Gambar 4.4 Tampilan awal program. .............................................................................. 38

Gambar 4.5 Form input manual. ............................................................................. 39

Gambar 4.6 Hasil input manual. ...................................................................................... 39

Gambar 4.7 Tampilan pencarian data. ............................................................................. 40

Gambar 4.8 Tampilan analisis positif-negatif. ................................................................. 41

viii

DAFTAR TABEL

Tabel 1.1 Perbedaan dengan penelitian-penelitian sebelumnya. .................................... 2