@phdthesis{eprintsunpak7613,
          school = {Universitas Pakuan},
          author = {Nita Oktaviani and Embay Rohaeti and Maya Widyastiti},
           title = {Klasifikasi dan Peramalan Jumlah Opini Kenaikan Harga Bahan 
Bakar Minyak dengan Multinomial Na{\"i}ve Bayes Classifier dan 
Na{\"i}ve Forecasting},
           month = {August},
            year = {2023},
             url = {http://eprints.unpak.ac.id/7613/},
        abstract = {Klasifikasi dan Peramalan Jumlah Opini Kenaikan Harga Bahan 
Bakar Minyak dengan Multinomial Na{\"i}ve Bayes Classifier dan 
Na{\"i}ve 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 Na{\"i}ve 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 Na{\"i}ve 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.}
}