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.