ABSTRAK 

ANALISIS  SENTIMEN  FACEBOOK  DENGAN  SELEKSI  FITUR CHI 

SQUARE DAN  ALGORITMA NAIVE  BAYES (Oleh:  Riza  Hidayat; 

Pembimbing: Fatma Indriani S.T, M.IT dan Dodon Turianto Nugrahadi, S.Kom, M.Eng; 2017; 68 halaman) 

Media sosial saat ini telah menjadi media komunikasi yang sangat populer bagi kalangan masyarakat pengguna internet. Facebook merupakan salah satu media sosial yang memberikan kesempatan pengguna untuk menyampaikan komentar terhadap  konten  yang  disajikan.  Data  komentar  yang  dihasilkan  memiliki keragaman sentimen, dapat berupa opini positif maupun negatif. Hal inilah yang dapat digali untuk dilakukan penelitian analisis sentimen. Dalam penelitian analisis sentimen dikenal teknik seleksi fitur, seleksi fitur dilakukan untuk mereduksi fitur- fitur yang tidak relevan dalam proses klasifikasi. Fitur fitur yang relevan dengan jumlah tertentu akan dipertahankan untuk dilakukan proses klasifikasi. Namun dari beberapa penelitian belum  dilakukan penelitian tentang pengaruh seleksi  fitur dengan jumlah yang berbeda terhadap hasil akurasi analisis sentimen. Sehingga perlu  dilakukan  penelitian  terkait  pengaruh  seleksi  fitur  dengan  jumlah  yang berbeda  terhadap  hasil  akurasi  analisis  sentimen.  Hasil  yang  diperoleh  pada penelitian  ini  adalah  pengujian  dengan  jumlah  fitur  yang  berbeda  beda, menghasilkan tingkat akurasi klasifikasi yang berbeda tergantung dari pengaruh 

relevansi fitur terhadap kelas. Performa akurasi terbaik menggunakan algoritma 

Naive Bayes dengan seleksi fitur Chi Square diperoleh pada pengujian klasifikasi 

dengan jumlah 366 fitur yaitu nilai akurasi sebesar 91%. 

Kata kunci: Analisis sentimen, Data mining, Naive Bayes, Seleksi fitur, Chi Square