Penggunaan Algoritma Klasifikasi Terhadap Analisa Sentimen Pemindahan Ibukota Dengan Pelabelan Otomatis

Jananto Watori, Riska Aryanti, Agus Junaidi

Sari


Perkembangan media yang begitu pesat, memunculkan banyak media online dari media berita sampai media sosial. Media sosial saja sudah begitu banyak, dari Facebook, TwitterInstagram, Tumblr, Linkedin dan masih banyak lagi. Berdasarkan fakta yang ada dalam penerapannya sendiri untuk kehidupan sehari-hari sosial media sangat sering digunakan. Dampak positif internet dalam perkembangan information technology (IT) sebenarnya membawa banyak keuntungan, misalnya saja memudahkan dalam hal komunikasi, mencari dan mengakses informasi. Namun, terdapat dampak negatif dalam perkembangannya, yaitu contohnya dalam penyebaran berita hoax ataupun ujaran kebencian. Dengan menggunakan internet, dapat memperkuat atas suatu gagasan dan pendapat dalam suatu kelompok maupun individu pada situs web berita dan media sosial. Penelitian ini membahas tentang bagaimana melakukan analisa sentimen yang berasal dari tweet pengguna twitter tentang pemindahan ibukota Indonesia. Gagasan serta pendapat publik melalui twitter yang dalam jumlah besar, setidaknya dapat menganalisa secara global tentang sentimen pemindahan ibukota yang akan dilakukan di Indonesia. Penelitian ini menggunakan pelabelan otomatis menggunakan (Valence Aware Dictionary and sEntiment Reasoner) Vader dengan metode Naïve Bayes dan Support Vector Machine. Sehingga, dapat ditarik kesimpulan bahwa pelabelan pada setiap cuitan di twitter dapat dilakukan sehingga menghasilkan score pada dataset. Dan dari algoritma yang digunakan, algoritma Support Vector Machine menghasilkan nilai akurasi dan AUC yang paling baik yakni akurasi sebesar 76,40% dan AUC sebesar 0,771.


Kata Kunci


Naïve Bayes, Support Vector Machine, Vader

Teks Lengkap:

PDF

Referensi


APJII. (2017). Penetrasi dan perilaku pengguna internet Indonesia.

Aryanti, R., Saepudin, A., Fitriani, E., Permana, R., & Saefudin, D. F. (2019). Komparasi Algoritma Naive Bayes Dengan Algoritma Genetika Pada Analisis Sentimen Pengguna Busway. Jurnal Teknik Komputer, 5(2), 227-234.

Brown, A. (2018). What is so special about online (as compared to offline) hate speech? Ethnicities, 18(3), 297–326. https://doi.org/10.1177/1468796817709846

Buntoro, G. A. (2016). Analisis Sentimen Hatespeech Pada Twitter Dengan Metode Naive Bayes Classifier Dan Support Vector Machine. Dinamika Informatika, 5(September).

___. 2016b. “Analisis Sentimen Hatespeech Pada Twitter Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine.” Jurnal Dinamika Informatika 5(2): 1–12.

Dini Utami, L., & Wahono, R. S. (2015). Integrasi Metode Information Gain Untuk Seleksi Fitur dan Adaboost Untuk Mengurangi Bias Pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naïve Bayes. Journal of Intelligent Systems, 1(2), 120–126. https://doi.org/http://dx.doi.org/10.1111/trf.12079

Evolvi, G. (2018). Hate in a tweet: Exploring internet-based islamophobic discourses. Religions, 9(10). https://doi.org/10.3390/rel9100307

Ignatow, Gabe,, R. M. (2017). An Introduction to Text Mining: Research Design, Data Collection , and Analysis. SAGE Publications, Inc.

Kotu, V., & Deshpande, B. (2015). Predictive Analytics and Data Mining: Concepts and Practice with RapidMiner. Morgan Kaufmann.

Pamungkas, D. S., Setiyanto, N. A., & Dolphina, E. (2015). Analisis Sentiment Pada Sosial Media Twitter Menggunakan Naive Bayes Classifier Terhadap Kata Kunci “Kurikulum 2013’’.” 14(4), 299–314.

Ramteke, J., Shah, S., Godhia, D., & Shaikh, A. (2016). Election result prediction using Twitter sentiment analysis. 2016 International Conference on Inventive Computation Technologies (ICICT), 1–5. https://doi.org/10.1109/INVENTIVE.2016.7823280

Wicaksono, S. R. (2018). Studi Kasus Sistem Berbasis Pengetahuan: Membahas Metode ID3, Naïve Bayes dan Certainty Factor. Seribu Bintang.

Zhang, L., Liu, B., & Francisco, S. (2016). Encyclopedia of Machine Learning and Data Mining. Encyclopedia of Machine Learning and Data Mining. https://doi.org/10.1007/978-1-4899-7502-7




DOI: https://doi.org/10.31294/ji.v7i1.7528

Refbacks

  • Saat ini tidak ada refbacks.


##submission.license.cc.by4.footer##

Index by:

 
  
   
      
 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika dengan dukungan Relawan Jurnal Indonesia

Jl. Kramat Raya No.98, Kwitang, Kec. Senen, Kota Jakarta Pusat, DKI Jakarta 10450
Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License