SENTIMEN ANALISIS TWEET PORNOGRAFI KAUM HOMOSEKSUAL MENGGUNAKAN PERBANDINGAN ALGORITMA SUPPORT VECTOR MACHINE DAN NAÏVE BAYES

 By : Fitri Merisa, Tri Ginanjar Laksana, Rifqi Adhitama

Saat ini twitter tidak hanya digunakan sebagai tempat untuk saling berkomunikasi dan menuliskan pendapat saja. Twitter juga sering disalah gunakan oleh orang-orang yang tidak bertanggung jawab untuk menyebarkan konten pornografi. Hal ini juga yang dilakukan oleh para kaum homoseksual. Homoseksual merupakan suatu orientasi dengan ketertarikan sesama jenis. Hal ini tentu dianggap tabu bagi masyarakat Indonesia yang hanya dapat menerima orientasi seksual heteroseksual. Maka dari itu kaum homoseksual mulai merambah dunia sosial media untuk mendapatkan pasangannya. Akan tetapi kaum homoseksual juga menggunakan sosial media twitter untuk menyebarkan konten pornografi. Maka dari itu data yang digunakan pada penelitian ini adalah data tweet pornografi dan bukan pornografi dari kaum homoseksual. Data yang digunakan dalam penelitian ini terdiri dari 800 data tweet. Algoritma klasifikasi yang digunakan dalam penelitian ini adalah algoritma Support Vector Machine (SVM) dan Naïve Bayes, dimana SVM adalah algoritma yang menganut konsep untuk mencari hyperplane terbaik dan Naïve bayes adalah algoritma menganut konsep probabilitas dan statistika. Hasil akhir dari penelitian ini adalah membandingkan akurasi dari kedua algoritma, setelah dilakukannya tahapan pre-processing dan TF-IDF diketahui bahwa nilai akurasi yang didapatkan algoritma SVM sebesar 85% sedangkan untuk algoritma Naïve Bayes sebesar 79%. Setelah dilakukan validasi pada kedua algoritma menggunakan metode K-Fold Cross Validation didapatkan akurasi dari algoritma SVM sebesar 85% dan akurasi untuk algoritma Naïve Bayes sebesar 77%. Hal ini membuktikan bahwa agoritma SVM mampu memberikan nilai akurasi yang lebih baik dibandingkan dengan algoritma Naïve Bayes. 

Kata kunci – Akurasi, Homoseksual, Klasifikasi, Naïve Bayes, Pornografi, SVM

Kesimpulan 

Hasil Akurasi yang diperoleh dari algoritma Naïve Bayes adalah 79% sedangkan akurasi yang diperoleh dari algoritma SupportVector Machine adalah 85%. Setelah dilakukannya evaluasi dengan menggunakan metode 10-Foll Cross Validation didapatkan bahwa hasil akurasi untuk algoritma Support Vector Machine 85% dengan nilai k terbaik didapatkan pada k=2 dan k=8 yaitu 90%. Sedangkan algoritma Naïve Bayes setelah dilakukannya 10-Fold Cross Validation akurasinya menjadi 77% dengan k terbaik terdapat pada k=7 yaitu 82%. Algoritma Support Vector Machine mampu menghasilkan akurasi yang lebih baik dibandingkan dengan algoritma Naïve Bayes.