Adopsi Algoritme Support Vector Machine untuk Analisis Sentimen Larangan Mudik Lebaran 2020 pada Twitter

Rangga Pebrianto, Tri Rivanie, Ridan Nurfalah, Windu Gata, Muhammad Fahmi Julianto

Abstract


Pemerintah kembali membahas larangan mudik lebaran 2020. Larangan mudik lebaran 2020 ini kembali di bahas karena jumlah kasus corona atau covid 19 di indonesia terus bertambah. Media Sosial Twitter bekerja real-time, memungkinkan pengguna mengekspresikan opini dan perasaan mereka mengenai banyak isu atau permasalahan, Opini tersebut dapat dimanfaatkan sebagai bahan analisis sentimen untuk mengetahui penilaian pelayanan transportasi umum darat apakah positif atau negatif, serta mengetahui faktor opini apa yang sering muncul. Hasil dari analisis sentimen tersebut dapat membantu dalam penilaian dan evaluasi terhadap larangan mudik 2020 ditengah wabah covid19 diharapkan dapat menjadi bahan pertimbangan pemerintah dalam mengambil keputusan terkait larangan mudik 2020 di tengah wabah covid19 . adopsi Metode  Support Vector Machine (SVM) untuk analisis sentimen dilakukan dengan pengujian terhadap komposisi data yang bervariasi. Dari hasil pengujian untuk kasus pada penelitian ini didapatkan bahwa SVM dapat diimplementasikan dengan nilai akurasi mencapai 68,89%. Variabel yang berpengaruh terhadap akurasi adalah jumlah data, perbandingan jumlah data latih dan uji, serta perbandingan jumlah data positif dan negatif yang digunakan.


Keywords


Larangan mudik 2020; Analasis Sentimen ; Support Vector Machine

Full Text:

PDF

References


Adiwijaya, I. (2006). Text Mining dan Knowledge Discovery. Kolokium Bersama Komunitas Datamining Indonesia & Soft-Computing Indonesia, 1–9. http://web.ipb.ac.id/~ir-lab/pdf/tm (text summarization).pdf

Afuan. (2013). Stemming Dokumen Teks Bahasa Indonesia. Telematika.

Alvianda, F., & Adikara, P. P. (2019). Analisis Sentimen Konten Radikal Di Media Sosial Twitter Menggunakan Metode Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 3(1), 241–246.

antara. (2012). ada 55 juta pengguna internet di indonesia. https://republika.co.id/berita/mcr9uw/ada-55-juta-pengguna-internet-di-indonesia

Fathan Hidayatullah, A., & Sn, A. (2014). ISSN: 1979-2328 UPN "Veteran. Seminar Nasional Informatika, 2014(semnasIF), 115–122. http://www.situs.com

Haddi, E., Liu, X., & Shi, Y. (2013). The role of text pre-processing in sentiment analysis. Procedia Computer Science, 17(December 2014), 26–32. https://doi.org/10.1016/j.procs.2013.05.005

Hamdan, H., Bellot, P., & Bechet, F. (2015). Lsislif: Feature Extraction and Label Weighting for Sentiment Analysis in Twitter. SemEval, 568–573. https://doi.org/10.18653/v1/s15-2095

Ihsan, M., Roza, E., & Widodo, E. (2019). Analisis Sentimen Twitter terhadap Bom Bunuh Diri di Surabaya 13 Mei 2018 menggunakan Pendekatan Support Vector Machine. Prisma 2 (2019): 416-426, 2, 416–426.

Indraloka, D. S., & Santosa, B. (2017). Penerapan Text Mining untuk Melakukan Clustering Data Tweet Shopee Indonesia. Jurnal Sains Dan Seni ITS, 6(2), 6–11. https://doi.org/10.12962/j23373520.v6i2.24419

Kompas.com. (2019). rata rata orang indonesia menghabiskan tiga jam 23 menit per hari melihat medsos. https://manado.tribunnews.com/2019/07/21/rata-rata-orang-indonesia-menghabiskan-tiga-jam-23-menit-per-hari-melihat-medsos?page=all

Komputer, M. I., & Pusat, K. J. (2019). Sentimen Analisis Operasi Tangkap Tangan KPK Menurut Masyarakat Menggunakan Algoritma Support Vector Machine , Naive Bayes Berbasis Particle Swarm Optimizition. 12(3), 230–243. https://doi.org/10.30998/faktorexacta.v12i3.4992

Luqyana, W. A., Cholissodin, I., & Perdana, R. S. (2018). Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 2(11), 4704–4713.

Maulana, M. A., Setyanto, A., & Kurniawan, M. P. (2018). Analisis Sentimen Media Sosial Universitas Amikom. Seminar Nasional Teknologi Informasi Dan Multimedia 2018 UNIVERSITAS AMIKOM Yogyakarta, 10 Februari 2018, 7–12.

Moraes, R., Valiati, J. F., & Gavião Neto, W. P. (2013). Document-level sentiment classification: An empirical comparison between SVM and ANN. Expert Systems with Applications, 40(2), 621–633. https://doi.org/10.1016/j.eswa.2012.07.059

Novantirani, A., Sabariah, M. K., & Effendy, V. (2015). Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine. E-Proceeeding of Engineering, 2(1), 1–7.

Pravina, A. M., Cholissodin, I., & Adikara, P. P. (2019). Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine ( SVM ). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 3(3), 2789–2797.

Rofiqoh, U., Perdana, R. S., & Fauzi, M. A. (2017). Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, 1(12), 1725–1732. http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/628

Rully, R. R. (2020). skenario larangan mudik lebaran 2020 jika berlaku tutup tol hingga larangan kendaraan pribadi. April. https://www.tribunnews.com/ramadan/2020/04/20/skenario-larangan-mudik-lebaran-2020-jika-berlaku-tutup-tol-hingga-larangan-kendaraan-pribadi?page=3

Saif, H., Fernandez, M., He, Y., & Alani, H. (2014). SentiCircles for Contextual and Conceptual Semantic. 83–98

Santoso, I., Gata, W., & Paryanti, A. B. (2019). JURNAL RESTI Penggunaan Feature Selection di Algoritma Support Vector Machine untuk. 1(10), 5–11.

Satriyo, Anto Nugroho; Witarto, Arief Budi ; Hand, D. (2003). Support Vector Machine. Kuliah Umum IlmuKomputer.Com

Windasari, I. P., Uzzi, F. N., & Satoto, K. I. (2017). Sentiment analysis on Twitter posts: An analysis of positive or negative opinion on GoJek. Proceedings - 2017 4th International Conference on Information Technology, Computer, and Electrical Engineering, ICITACEE 2017, 2018-Janua, 266–269. https://doi.org/10.1109/ICITACEE.2017.8257715




DOI: https://doi.org/10.31294/jtk.v6i2.8127

Copyright (c) 2020 Rangga Pebrianto, Tri Rivanie, Ridan Nurfalah, Windu Gata, Muhammad Fahmi Julianto

Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

ISSN: 2442-2436 (print), and 2550-0120


 dipublikasikan oleh LPPM Universitas Bina Sarana Informatika Jakarta

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