Berikut ini proses analisis sentimen menggunakan algoritma naive bayes pada aplikasi RapidMiner
Read CSV
Filter examples: untuk menampilkan data yang berlabel saja.
Sentimen = is not missing
Nominal to text: untuk merubah type menjadi text
Process Document from data:
Toknize
Transform cases
Filter stopwords
Filter tokens by length
Centang keep text: supaya text nya tetap ditampilkan
Pilih TF-IDF: berfungsi untuk menghitung kemunculan kata pada text.
Naive bayes: algoritma machine learning untuk klasifikasi data berdasarkan probabilitas bayes. Dengan kata lain naive bayes ini akan melatih dirinya untuk mengetahui pola data yang ada pada data train.
Store-model: untuk menyimpan data model klasifikasi naive bayes.
Store-data-latih: untuk menyimpan data latih

Selanjutnya kita buka proses baru dan akan kita proses melabeli data yang belum ada labelnya, atau sentimen masih kosong dengan memanfaatkan data model klasifikasi sentimen yang tadi dan data latih.
Read CSV
Filter Example
Sentimen = is missing
Nominal to text
Process Document from data:
Tokenize
Transform cases
Filter stopwords (Dictionary) bisa di download pada https://www.kaggle.com/datasets/oswin...
Filter tokens by length
Masukan data latih
Atribut data latih dan data uji harus sama
Gunakan operator union untuk menggabungkan atribut
Filter example: untuk menampilkan data uji saja
Sentimen = is missing
Replace missing values: untuk membuang data yang kosong.
Default = zero, untuk mengisi data yang tanda tanya menjadi 0

Data uji siap diproses
Data uji yang sudah siap ke - ulb (unlabel)
Masukan model data analisis - ke model
Apply model