KLASIFIKASI DAN PERAMALAN JUMLAH OPINI KENAIKAN HARGA BAHAN BAKAR MINYAK DENGAN MULTINOMINAL NAIVE BAYES CLASSIFIER DAN NAIVE FORECASTING

  • Kode Repository : SKM12/NIN/23
  • NPM : 064119014
  • Nama : Nita Oktaviani
  • Pembimbing 1 : -Dr. Embay Rohaeti, M.Si.
  • Pembimbing 2 : -Maya Widyastiti, M.Si.
  • Abstrak : -Klasifikasi dan Peramalan Jumlah Opini Kenaikan Harga Bahan Bakar Minyak dengan Multinomial Naïve Bayes Classifier dan Naïve Forecasting Nita Oktaviani1* , Embay Rohaeti2 , Maya Widyastiti3 1,2,3 Program Studi Matematika, FMIPA, Universitas Pakuan Jl. Pakuan RT.02/RW.06 Tegallega, Kecamatan Bogor Tengah, Bogor, 16129 Email: nita.064119014@unpak.ac.id1 Korespondensi penulis : nita.064119014@unpak.ac.id Abstrak Data opini pengguna Twitter terhadap topik kenaikan harga Bahan Bakar Minyak (BBM) memiliki nilai sentimen yang dapat menentukan kelas opini dominan sebagai gambaran penilaian dari sisi masyarakat pengguna Twitter. Opini pengguna Twitter akan diklasifikasi dalam tiga kelas yaitu kelas opini positif, negatif dan netral menggunakan model Multinomial Naïve Bayes Classifier (MNBC). MNBC merupakan salah satu algoritma machine learning yang digunakan untuk klasifikasi teks. Hasil klasifikasi yang telah diperoleh dilanjutkan pada tahapan peramalan jumlah opini untuk jangka waktu satu minggu kedepan. Metode Naïve Forecasting (NF) akan digunakan dalam peramalan jumlah opini pada penelitian ini. NF merupakan salah satu metode peramalan untuk data time series. Tujuan dari penelitian ini yaitu mengklasifikasikan opini dengan MNBC, meramalkan jumlah opini untuk jangka waktu satu minggu kedepan dengan NF, dan mengevaluasi hasil klasifikasi serta hasil peramalan. Hasil dari pemodelan MNBC menunjukkan opini pengguna Twitter terhadap kenaikan harga BBM terbanyak yang diklasifikasi yaitu opini negatif. Akurasi model MNBC dikategorikan sangat baik berdasarkan nilai accurancy untuk keseluruhan kelas. Hasil peramalan tiga kelas klasifikasi dengan NF diperoleh bahwa selama periode satu minggu kedepan jumlah opini terbanyak yaitu opini positif. Berdasarkan nilai RMSE, akurasi metode NF pada penelitian ini dikategorikan cukup baik. Kata Kunci: MNBC, NF, Opini, Klasifikasi, Peramalan.
  • Program Studi : Matematika