%R https://doi.org/10.22236/jutikom.v2i1.11500
%D 2023
%T Perbandingan AkurasiMetode Naïve Bayes Classifier dan Lexicon Based pada Analisis SentimenRespon Masyarakat Tentang Kebijakan Kenaikan Harga Minyak Goreng
%X Minyak  goreng  merupakan  kebutuhan  dasar  bagi  masyarakat  Indonesia.  Indonesia  mengalami kelangkaan minyak pada  bulan maret  2022. Hal  ini sudah menjadi perbincangan hangat di media sosial twitter pada bulan maret lalu, banyak masyarakat yang beranggapan positif maupun negatif. Namun  dibalik  itu  semua  terdapat  perbedaan  penilaian dari  pihak-pihak  yang  merasakan  pro  dan kontra, berbagai pihak memiliki sudut pandang yang berbeda. Pada artikel ini melakukan analisis sentimen  terhadap  respon  masyarakat  terkait  kelangkaan  minyak  goreng  menggunakan  sebuah dataset   yang   didapatkan   dari   platform   digital   twitter.  Artikel   ini   mempunyai   tujuan   untuk mengelompokkan tweets terkait kelangkaan minyak goreng ke dalam sentimen positif dan negatif menggunakan strategi machine learning dengan metode Naive Bayes dan lexicon based. Algoritma ini  dipilih  untuk  memudahkan pengguna  yang  berkepentinganmelakukan perbandinganmetodeserta mengetahui seberapaakurat, yang dimana tingkat akurasi yang didapatkan dari metode lexicon 42% sertametode yang menggunakan naïve bayes classifier 72%. Menunjukan hasil analisisterkaitkelangkaan  minyak  goreng untuktingkatakurasi  yang  paling  tinggi yaitu  padametode yang menggunakan naïve bayes classifier dibandingkan metode yang menggunakan lexicon based.Kata kunci:   minyak goreng,naïve bayes classifier,lexicon based
%J Jurnal Teknik Informatika dan Komputer
%V 2
%I Universitas Muhammadiyah Prof. DR. Hamka
%A Irwiensyah Faldy
%N 1
%P 18-23
%L repository25380