ANALISIS SENTIMEN PROGRAM BANTUAN SOSIAL TUNAI PADA SOSIAL MEDIA TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE
Abstract
Pada masa ini pertumbuhan media online sebagai alat komunikasi sudah sangat pesat, bermacam-macam informasi dan konten yang tersedia menjadi daya tarik tersendiri bagi penggunanya. Selain berbagai informasi media online juga dapat menjadi sarana yang digunakan untuk menyampaikan isu-isu, kritik, saran serta opini-opini publik. Sebagai salah satu media online tersebut yaitu twitter. Pada twitter terdapat tweet yang dicirikan dalam dua kelas sentimen, yang merupakan sentimen positif dan sentimen negatif. Perhitungan pada opini ini menggunakan Support Vector Machine (SVM), perhitungan ini dilakukan agar dapat memproses urutan perasaan dalam tweet. Data ini diperoleh dengan memanfaatkan antarmuka Pemrograman Application Programming Interface (API) pada Twitter. Di dapat data jumlah tweet 237 sebagai data latih dan 60 sebagai data uji agar mendapatkan hasil pengujian dengan algoritma Support Vector Machine sebesar 88,33% nilai akurasi 91,37% presisi dan 96,36% nilai recall. Besarnya akurasi menunjukkan pada algoritma Support Vector Mahine dapat digunakan dalam klasifikasi terhadap Program Bantuan Sosial Tunai.
Keywords
References
Bratawisnu, M.K., Rinaldi, R. and Firdaus, M.F. (2018) “Analisa Persepsi Customer Feedback e-commerce Tokopedia dan Bukalapak Menggunakan Text Network Analysis,” Journal of Information Engineering and Educational Technology, 2(1). doi:10.26740/jieet.v2n1.p6-12.
Fachrurrozi, M. et al. (2015) “Analisis Sentimen Pengguna Jejaring Sosial Menggunakan Metode Support Vector Machine,” ePrints Online Repository Sriwijaya University, 1(1).
Lukmana, D.T., Subanti, S. and Susanti, Y. (2019) “Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter,” Seminar Nasional Penelitian Pendidikan Matematika (SNP2M) 2019 UMT [Preprint], (2002).
Pascasarjana, P. and Udayana, U. (2011) “Text mining dengan metode naïve bayes classifier dan support vector machines untuk sentiment analysis,” Universitas Stuttgart [Preprint].
Rahimi, F. and Asyikin, A.N. (2015) “Aplikasi Penilaian Ujian Essay Otomatis Menggunakan Metode Cosine Similarity,” Poros Teknik, 7(2).
Rozi, I., Pramono, S. and Dahlan, E. (2012) “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,” Jurnal EECCIS, 6(1).
Sholihin, A., Solihin, F. and Rachman, F.H. (2013) “Penerapan Modifikasi Metode Enhanced Confix Stripping Stemmer Pada Teks Berbahasa Madura,” Jurnal Sarjana Teknik Informatika, 2(1).
Wijaya, I.W.S. et al. (2021) “Program Menghitung Banyak Bata pada Ruangan Menggunakan Bahasa Python,” TIERS Information Technology Journal, 2(1).
Refbacks
- There are currently no refbacks.
Copyright (c) 2023 Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.