Prediksi tingkat kepercayaan masyarakat terhadap PILPRES 2024 menggunakan TF-IDF dan Bow menggunakan metode SVM

Mustaqim, Eka Rifut Nur, Pagalay, Usman and Crysdian, Cahyo ORCID: https://orcid.org/0000-0002-7488-6217 (2024) Prediksi tingkat kepercayaan masyarakat terhadap PILPRES 2024 menggunakan TF-IDF dan Bow menggunakan metode SVM. Jurnal Cahaya Mandalika, 5 (1). pp. 515-530. ISSN 2721-4796

Text 19598.pdf - Published Version Available under License Creative Commons Attribution. Download (3MB)

Abstract

Dalam era modern ini, dunia maya telah menjadi salah satu aspek yang tak terpisahkan dari kehidupan sehari-hari kita. Dunia maya, atau internet, adalah hasil dari kemajuan teknologi informasi yang telah merevolusi dunia selama beberapa dekade terakhir. Namun, lebih dari sekadar teknologi, ini telah menjadi sebuah ekosistem yang hidup, dihuni oleh miliaran orang yang terhubung, menciptakan dan mengonsumsi informasiPrediksi pada pemanfaatan big data ini dengan cara kerja mencari dan mengolah data dari segala bentuk ekspresi atau keadaan yang sedang atau telah dialami seseorang user yang diluangkan dalam bentuk teks kedalam media sosial, Prediksi tidak harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan terjadi.Berdasarkan pada permasalahan yang telah dibahas beberapa teknik yang paling umum dan sering digunakan dalam feature extraction TF-IDF dan BOW, dikarenakan kedua teknik tersebut sangat bersaing serta berperan baik dan sama-sama digunakan untuk merepresentasikan numerik dari data teks serta memiliki kekurangan dan kelebihan masing masing. Pada penelitian kali ini akan membandingkan kedua metode tersebut yang dipadukan dengan menggunakan metode SVM, untuk model penelitian TF-IDF dengan menggunakan metode SVM mendapatkan hasil Accurasi sebesar 85%, hasil nilai precission sebesar 84%, hasil Recall sebesar 83% dan untuk hasil F1-Score sebesar 83%, sedangkan penelitian menggunakan teknik BOW dengan metode SVM mendapatkan hasil Accurasi sebesar 84%, hasil nilai precission sebesar 79%, hasil Recall sebesar 89% dan untuk hasil F1-Score sebesar 83%.

Item Type:	Journal Article
Keywords:	big data; prediction; TF-IDF; BOW; SVM
Subjects:	08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080107 Natural Language Processing 08 INFORMATION AND COMPUTING SCIENCES > 0801 Artificial Intelligence and Image Processing > 080109 Pattern Recognition and Data Mining
Divisions:	Graduate Schools > Magister Programme > Graduate School of Informatics Engineering
Depositing User:	Dr. Cahyo Crysdian
Date Deposited:	19 Jun 2024 15:44

Downloads

Origin of downloads

Actions (login required)

View Item