Analisis Sentimen Terhadap Kesetaraan Gender Menggunakan Algoritma Naive Bayes Berbasis Particle Swarm Optimization
Isu kesetaraan gender adalah perjuangan untuk memberikan hak yang sama kepada semua individu, independen dari identitas atau ekspresi gender mereka. Meskipun Indonesia telah berusaha meningkatkan kesadaran akan kesetaraan gender sejak 2000-an, pemahaman masyarakat tentang hal ini masih bervariasi. Media sosial, terutama Twitter, menjadi wadah penting bagi orang untuk berbagi pendapat dan respons terhadap isu-isu gender. Analisis sentimen di platform ini dengan algoritma Naive Bayes dan Naive Bayes PSO menjadi relevan untuk memahami pandangan dan sikap masyarakat terhadap kesetaraan gender di ranah digital. Penelitian ini bertujuan mengimplementasikan algoritma Naive Bayes dan Naive Bayes berbasis Particle Swarm Optimization untuk sentimen analisis kesetaraan gender pada pada media sosial Twitter dan untuk mengetahui perbandingan nilai akurasi penggunaan algoritma Naive Bayes dengan Naive Bayes berbasis Particle Swarm Optimization pada sentimen analisis kesetaraan gender. Melalui pengumpulan data, preprocessing, dan ekstraksi fitur TF-IDF, model klasifikasi dibangun dan dievaluasi dengan k-fold cross-validation serta confusion matrix. Pada pengujian yang dilakukan pada 1670 data dengan 10-fold, hasil menunjukkan bahwa Naive Bayes dengan PSO secara konsisten memberikan hasil yang lebih baik dibandingkan dengan Naive Bayes dalam mengklasifikasikan sentimen, dengan akurasi Naive Bayes berkisar antara 55.09% hingga 63.47%, sedangkan Naive Bayes dengan PSO mencapai 62.87% hingga 74.25%. Dengan peningkatan akurasi sekitar 4.19% hingga 14.38%, PSO mampu meningkatkan adaptasi model terhadap data kompleks dan fitur yang rumit, menunjukkan potensi PSO dalam meningkatkan analisis sentimen terkait kesetaraan gender di Twitter.
URI
https://repo.itera.ac.id/depan/submission/SB2401220049
Keyword
Kesetaraan Gender Naive Bayes Particle Swarm Optimization