Analisis sentimen berbasis aspek terhadap mobil listrik di media sosial twiter menggunakan metode Naive Bayes classifier dan latent dirichlet allocation

Perkembangan penjualan mobil listrik di Indonesia semakin tahun mengalami peningkatan yang signifikan. Akan tetapi kehadirannya di Indonesia menimbulkan pro dan kontra di kalangan masyarakat. Sehingga perlu diketahui pro dan kontra masyarakat terhadap mobil listrik dari aspek-aspek yang mempengaruhinya serta mengklasifikasikannya. Sebagai solusi untuk mencari pro dan kontra dari masyarakat terhadap suatu aspek yang dinilai kurang atau lebih dari mobil listrik. Metode yang digunakan untuk mencari aspek menggunakan pemodelan topik latent Dirichlet allocation (LDA) dan naïve bayes classifier untuk mengklasifikasi sentimen. Pemodelan topik LDA menghasilkan coherence score terbaik sebesar 0.453 dengan 6 topik. Topik yang dihasilkan kemudian diinterpretasikan menjadi nama aspek yaitu aspek pengisian baterai, produksi, perkembangan, subsidi, wilayah, dan merk. Setiap aspek kemudian diklasifikasi sentimen positif, negatif, dan netral serta menghasilkan performa dari klasifikasi naive bayes dengan nilai accuracy sebesar 53%, precission 52%, recall 53%, dan f-1 score 53%. Hasil dari klasifikasi pada setiap aspek terbagi menjadi tweet positif, negatif, dan netral. Sebanyak 112 tweet aspek pengisian baterai terklasifikasi menjadi 80 tweet bersentimen positif, 24 tweet berentimen negatif, dan 8 tweet berentimen netral; 136 tweet aspek produksi terklasifikasi menjadi 46 positif, 55 negatif, dan 35 netral; 72 tweet aspek perkembangan terklasifikasi menjadi; 332 tweet aspek subsidi terklasifikasi menjadi 30 tweet positif, 29 negatif, dan 13 netral; 276 tweet aspek wilayah terklasifikasi menjadi 150 tweet positif, 70 negatif, dan 56 netral, dan 284 tweet aspek merk terklasifikasi menjadi 112 tweet bersentimen positif, 94 tweet negatif, dan 78 tweet sentimen netral.