Perbandingan metode machine learning dalam analisis sentimen Twitter

Ansori, Yusuf and Holle, Khadijah Fahmi Hayati ORCID: https://orcid.org/0000-0002-6991-1748 (2022) Perbandingan metode machine learning dalam analisis sentimen Twitter. JUSTIN (Jurnal Sistem dan Teknologi Informasi), 10 (4). pp. 429-434. ISSN 2460-3562 (p); 2620-8989 (e)

[img]
Preview
Text
14841.pdf - Published Version
Available under License Creative Commons Attribution Non-commercial Share Alike.

Download (483kB) | Preview

Abstract

Perbedaan pemahaman di kalangan masyarakat sering terjadi terkait diterbitkannya kebijakan baru oleh pemerintah. Diantaranya adalah kebijakan dalam menangani kasus kekerasan seksual di lingkungan kampus yang tertulis dalam Peraturan Menteri Pendidikan, Kebudayaan, Riset dan Teknologi Nomor 30 Tahun 2021 sehingga diperlukan kajian mendalam dengan melakukan analisis sentimen. Ada banyak algoritma yang digunakan dalam penelitian analisis sentimen, maka dalam penelitian ini peneliti menggunakan 4 algoritma klasifikasi machine learning, yaitu Support Vector Machine, K-Nearest Neighbor, Naïve Bayes Classifier, dan Logistic Regression untuk dilakukan perbandingan performa dari masing-masing algoritma. Data penelitian yang digunakan berjumlah 470 data dengan pembagian 236 tweet berlabel positif dan 238 tweet berlabel negatif yang diambil pada rentang bulan Oktober sampai Desember. Dalam penelitian ini menggunakan perangkat lunak RapidMiner dengan menerapkan teknik k-Fold Cross Validation untuk memisahkan data latih dan data uji secara acak. Terdapat perbedaan performa pada algoritma machine learning yang digunakan untuk analisis sentimen, dari algoritma yang telah diujikan, nilai akurasi tertinggi terdapat pada algoritma Support Vector Machine, yaitu sebesar 69, 15%, kemudian nilai presisi tertinggi terdapat pada algoritma K-Nearest Neighbor, sebesar 69, 07%, kemudian nilai recall tertinggi terdapat pada algoritma Support Vector Machine sebesar 71, 98%, dan nilai f-measure tertinggi terdapat pada algoritma K-Nearest Neighbor yaitu sebesar 68, 08%.

Item Type: Journal Article
Keywords: analisis sentimen; kekerasan seksual; perbadingan algoritma; RapidMiner
Subjects: 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080107 Natural Language Processing
Divisions: Faculty of Technology > Department of Informatics Engineering
Depositing User: Khadijah Fahmi Hayati Holle
Date Deposited: 09 Jun 2023 06:23

Downloads

Downloads per month over past year

Origin of downloads

Actions (login required)

View Item View Item