ANALISIS SENTIMEN TERKAIT LAYANAN GOFOOD DAN GRABFOOD PADA MEDIA SOSIAL TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM)

Realdy Agsar Dwi Anggoro, Rizal Al Habsi, Muhammad Arlanda Valio, Yuni Widiastiwi, Nurul Chamidah

Abstract


Kepopuleran media sosial twitter di Indonesia menyebabkan cepatnya penyebaran informasi melalui dunia maya ini. Informasi tersebut berupa opini terahadap suatu layanan yang dapat dianalisis sentimennya agar dapat memahami makna dan emosi ini yang terkandung dalam kalimat opini tersebut. Penelitian bertujuan untuk mengetahui bagaimana opini publik mengenai layanan gofood dan grabfood pada media sosial twitter dengan kata kunci gofood dan grabfood yang diambil selama 6 hari pada tanggal 23 Februari sampai dengan 27 Februari 2021 dan tanggal 5 Maret 2021. Data tersebut kemudian akan dilabeli menjadi kelas positif atau kelas negatif serta diklasifikasikan dengan algortima Support Vector Machine. Hasil evaluasi model pertama memiliki akurasi sebesar 80,18%, recall sebesar 100%, dan specificity sebesar 14%. Karena data pada penelitian ini tidak seimbang, maka pada model kedua diterapkan metode undersampling pada data latih untuk mengatasi hal tersebut. Hasil evaluasi model kedua memiliki akurasi sebesar 79,26%, recall sebesar 86,23%, dan specificity sebesar 56%.


Keywords


twitter; analisis sentimen; Support Vector Machine; undersampling

References


Hootsuite, “Indonesian Digital Report 2020,” 2020. https://andi.link/hootsuite-we-are-social-indonesian-digital-report-2020/.

N. M. S. Hadna, P. I. Santosa, and W. W. Winarno, “Studi Literatur Tentang Perbandingan Metode Untuk Proses Analisis Sentimen Di Twitter,” Semin. Nas. Teknol. Inf. dan Komun., 2016.

N. Fitriyah, B. Warsito, and D. A. I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter Dengan Klasifikasi Support Vector Machine (SVM),” J. Gaussian, vol. 9, no. 3, pp. 376–390, 2020.

D. Rustiana and N. Rahayu, “Analisis sentimen pasar otomotif mobil:,” J. SIMETRIS, vol. 8, no. 1, pp. 113–120, 2017.

S. Mujilahwati, “Pre-Processing Text Mining Pada Data Twitter,” Semin. Nas. Teknol. Inf. dan Komun., 2016.

B. Gunawan, H. S. Pratiwi, and E. E. Pratama, “Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 4, no. 2, 2018.

D. Wahyudi, T. Susyanto, and D. Nugroho, “Implementasi Dan Analisis Algoritma Stemming Nazief & Adriani Dan Porter Pada Dokumen Berbahasa Indonesia,” J. Ilm. SINUS, vol. 15, no. 2, pp. 49–56, 2017.

W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 11, pp. 4704–4713, 2018.

A. F. Hidayatullah, “Pengaruh Stopword Terhadap Performa Klasifikasi Tweet Berbahasa Indonesia,” JISKA (Jurnal Inform. Sunan Kalijaga), vol. 1, no. 1, pp. 1–4, 2016.

R. Melita, V. Amrizal, H. B. Suseno, and T. Dirjam, “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11, no. 2, pp. 149–164, 2018.

H. Muhamad, C. A. Prasojo, N. A. Sugianto, L. Surtiningsih, and I. Cholissodin, “Optimasi Naïve Bayes Classifier Dengan Menggunakan Particle Swarm Optimization Pada Data Iris,” J. Teknol. Inf. dan Ilmu Komput., vol. 4, no. 3, pp. 180–184, 2017.

D. T. Lukmana, S. Subanti, and Y. Susanti, “Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter,” Semin. Nas. Penelit. Pendidik. Mat. 2019 UMT, 2019.


Refbacks

  • There are currently no refbacks.


Copyright (c) 2022 Senamika

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