Analisis Sentimen Terhadap Anies Baswedan Menggunakan Metode Support Vector Machine Studi Kasus Media Sosial Twitter
Abstract
Anies Baswedan menjadi salah satu bakal calon presiden yang digulirkan media massa menjelang digelarnya Pemilihan Presiden 2024-2029 mendatang mulai menjadi topik pemberitaan media massa di Indonesia. Salah satu media sosial yang sering dipakai oleh publik yaitu Twitter. Banyaknya pengguna media sosial di Indonesia membuat media sosial terutama Twitter dapat digunakan secara efektif untuk melihat bagaimana pendapat dari masyarakat. Dari berbagai opini dan pendapat di twitter dibutuhkan sebuah teknik untuk membagi opini ke dalam kelas opini negatif, netral atau positif. Pada penelitian ini, digunakan Support Vector Machine Multiclass untuk proses klasifikasi dengan menggunakan metode One Against Rest dan Oversampling untuk mengatasi ketidakseimbangan kelas. Hasil dari penelitian ini mendapatkan kesimpulan bahwa masyarakat cenderung memiliki sentimen negatif terhadap Anies Baswedan. Hasil dari pengujian klasifikasi Support Vector Machine tanpa proses balancing data didapatkan nilai Accuracy sebesar 77%, Precission 76% dan Recall 72%, setelah proses balancing data didapatkan nilai Accuracy sebesar 97%, Precission 83% dan Recall 95%.
Keywords: Analisis sentimen, Twitter, SVM, Oversampling, One Against Rest.
Full Text:
PDFReferences
Akbari, M. I. H. A. D., Novianty, A., & Setianingsih, C. (2017). Analisis Sentimen Menggunakan Metode Learning Vector Quantization. eProceedings of Engineering, 4(2).
Carneiro, T., Da Nóbrega, R. V. M., Nepomuceno, T., Bian, G. B., De Albuquerque, V. H. C., & Reboucas Filho, P. P. (2018). Performance analysis of google colaboratory as a tool for accelerating deep learning applications. IEEE Access, 6, 61677-61685.
Hardiansyah, & Salman Farizy. (2020). Perancangan Sistem Informasi Persedian Barang Dengan Menggunakan Python 3.6.3 Dan My Sql Untuk Umkm. Jurnal Ilmu Komputer, 3(3), 1.
Haris, A., Amalia, A., & Hanafi, K. (2022). Citra Politik Anies Baswedan Di Media Massa. Communiverse: Jurnal Ilmu Komunikasi, 7(2), 15-24.
He, H., Zhang, W., & Zhang, S. (2018). A novel ensemble method for credit scoring: Adaption of different imbalance ratios. Expert Systems with Applications, 98, 105–117. https://doi.org/10.1016/ j.eswa.2018.01.012
Hermawan, L., & Ismiati, M. B. (2020). Pembelajaran text preprocessing berbasis simulator untuk mata kuliah information retrieval. Jurnal Transformatika, 17(2), 188-199.
Kemp, S. (2022). Digital 2022: Another Year Of Bumper Growth.
Nomleni, P. (2015). Sentiment Analysis Menggunakan Support Vector Machine (Svm) (Doctoral dissertation, Institut Teknologi Sepuluh Nopember).
Nugroho, K. S. (2019). Confusion Matrix untuk Evaluasi Model pada Supervised Learning.
Pane, S. F., & Ramdan, J. (2022). Pemodelan Machine Learning: Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Menggunakan Data Twitter. Jurnal Sistem Cerdas, 5(1), 12-20.
Pratiwi, K. S. (2020). Support Vector Machine Clasiffication with Python
Pristiyanti, R. I., Fauzi, M. A., & Muflikhah, L. (2018). Sentimen Analisis Peringkasan Review Film Menggunakan Metode Information Gain dan K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Riyaddulloh, R., & Romadhony, A. (2021). Normalisasi Teks Bahasa Indonesia Berbasis Kamus Slang Studi Kasus: Tweet Produk Gadget Pada Twitter. eProceedings of Engineering, 8(4).
Santoso, G. T. (2021). Analisis Sentimen Pada Tweet Dengan Tagar# bpjsrasarentenir Menggunakan Metode Support Vectore Machine (SVM) (Doctoral dissertation, Universitas Islam Riau).
Sholihati, I. D., Triayudi, A., & Tineges, R. (2020). Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter. Jurnal Media Informatika Budidarma, 650-658.
Wahyono, T. (2018). Fundamental of Python for Machine Learning: Dasar-Dasar Pemrograman Python untuk Machine Learning dan Kecerdasan Buatan. Yogyakarta: Gava Media.
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.