Implementasi Sentiment Analysis Berdasarkan Tweets Masyarakat Terhadap Kinerja Presiden dalam Aspek Penanganan Covid-19
DOI:
https://doi.org/10.26418/justin.v10i3.54503Keywords:
Sentiment Analysis, dataset, Support Vector Machine, ROS (Random Over Sampler), RUS (Random Under Sampler)Abstract
Penelitian ini berfokus pada sentiment analysis berdasarkan tweets masyarakat terhadap kinerja presiden dalam aspek penanganan covid-19. Tujuan penelitian ini adalah mengetahui pengaruh dataset dan model resampling untuk membangun model sentiment analysis machine dalam menganalisa topik kinerja presiden dalam aspek penanganan covid-19 kedalam 3 kelas sentiment yaitu positif, negatif, dan netral. Terdapat dua dataset yang digunakan pada penelitian ini dataset A yang merupakan kumpulan tweets yang diambil dari Twitter sebanyak 5694 dan dataset B yang dibentuk dengan mengambil "parameter + kata independen" dari tweets sebanyak 1015. Algoritma yang digunakan dalam penelitian ini adalah algoritma Support Vector Machine (SVM) untuk membangun sebuah model machine learning dan menggunakan model resampling ROS (Random Over Sampler) dan RUS (Random Under Sampler) dalam mengatasi data yang tidak seimbang. Dari hasil pengujian pada peneltian ini dapat diketahui skenario 5 (dataset B + ROS) memiliki performa yang paling baik dengan accuracy sebesar 90,08 % dan precision 90,39 %, dari hasil pengujian juga diketahui skenario 5 merupakan model machine learning yang tidak mengalami overfitting. Penelitian ini berhasil mengimplementasikan sentiment analysis machine sehingga dapat melakukan kategorisasi teks terhadap kinerja presiden dalam aspek penanganan covid-19.
Kata kunci: Sentiment Analysis, dataset, Support Vector Machine, ROS (Random Over Sampler), RUS (Random Under Sampler)
References
A. F. Hidayatullah and S. N. Azhari, “Analisis Sentimen Dan Klasifikasi Kategori Terhadap Tokoh Publik Pada Data Twitter Menggunakan Naive Bayes Classifier,†vol. 2014, no. semnasIF, pp. 1–8, 2014.
L. B. Ilmawan and M. A. Mude, “Perbandingan Metode Klasifikasi Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Ulasan Tekstual di Google Play Store,†Ilk. J. Ilm., vol. 12, no. 2, pp. 154–161, 2020, doi: 10.33096/ilkom.v12i2.597.154-161.
I. M. Parapat, M. T. Furqon, and Sutrisno, “Penerapan Metode Support Vector Machine ( SVM ) Pada Klasifikasi Penyimpangan Tumbuh Kembang Anak,†J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 10, pp. 3163–3169, 2018, [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/2577.
R. E. Putri, Suparti, and R. Rahmawati, “Perbandingan Metode Klasifikasi Naãve Bayes Dan K-Nearest Neighbor Pada Analisis Data Status Kerja Di Kabupaten Demak Tahun 2012,†J. Gaussian, vol. 3, no. 4, pp. 831–838, 2014.
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. Syukron and A. Subekti, “Penerapan Metode Random Over-Under Sampling dan Random Forest Untuk Klasifikasi Penilaian Kredit,†J. Inform., vol. 5, no. 2, pp. 175–185, 2018, doi: 10.31311/ji.v5i2.4158.
E. Irawan and R. S. Wahono, “Penggunaan Random Under Sampling untuk Penanganan Ketidakseimbangan Kelas pada Prediksi Cacat Software Berbasis Neural Network,†J. Softw. Eng., vol. 1, no. 2, pp. 92–100, 2015.
G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,†vol. 2, no. 1, pp. 32–41, 2017.
M. S. Utomo, “Implementasi Stemmer Tala pada Aplikasi Berbasis Web,†J. Teknol. Inf. Din., vol. 18, no. 1, pp. 41–45, 2013.
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),†Teknika, vol. 10, no. 1, pp. 18–26, 2021, doi: 10.34148/teknika.v10i1.311.
M. . Imelda A.Muis & Muhammad Affandes, “Penerapan Metode Support Vector Machine ( SVM ) Menggunakan Kernel Radial Basis Function ( RBF ) Pada Klasifikasi Tweet,†Sains, Teknol. dan Ind. Sultan Syarif Kasim Riau, vol. 12, no. 2, pp. 189–197, 2015.
E. E. Pratama and B. R. Trilaksono, “Klasifikasi Topik Keluhan Pelanggan Berdasarkan Tweet dengan Menggunakan Penggabungan Feature Hasil,†J. Edukasi dan Penelit. Inform., vol. 1, no. 2, pp. 53–59, 2015.
S. Hikmawan, A. Pardamean, and S. N. Khasanah, “Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning,†J. Kaji. Ilm., vol. 20, no. 2, pp. 167–176, 2020, doi: 10.31599/jki.v20i2.117.
and J. P. J. Han, Micheline Kamber, Data mining: Data mining concepts and techniques. 2014.
D. Alita, Y. Fernando, and H. Sulistiani, “Implementasi Algoritma Multiclass Svm Pada Opini Publik Berbahasa Indonesia Di Twitter,†J. Tekno Kompak, vol. 14, no. 2, p. 86, 2020, doi: 10.33365/jtk.v14i2.792.
Downloads
Published
Issue
Section
License
Copyright (c) 2022 JUSTIN (Jurnal Sistem dan Teknologi Informasi)
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
The author owns the copyright in his paper and agrees to publish his paper to JUSTIN by giving the rights to the first publication of his paper which is simultaneously licensed under the Creative Commons Attribution License, namely the Similar International 4.0 license (CC BY-NC-SA 4.0).
This is a human-readable summary of (and not a substitute for) the license. Disclaimer.
You are free to:Share "” copy and redistribute the material in any medium or format
Adapt "” remix, transform, and build upon the material
The licensor cannot revoke these freedoms as long as you follow the license terms.
Under the following terms:
Attribution "” You must give appropriate credit, provide a link to the license, and indicate if changes were made. You may do so in any reasonable manner, but not in any way that suggests the licensor endorses you or your use.
NonCommercial "” You may not use the material for commercial purposes.
ShareAlike "” If you remix, transform, or build upon the material, you must distribute your contributions under the same license as the original.
No additional restrictions "” You may not apply legal terms or technological measures that legally restrict others from doing anything the license permits.
Notices:
You do not have to comply with the license for elements of the material in the public domain or where your use is permitted by an applicable exception or limitation.
No warranties are given. The license may not give you all of the permissions necessary for your intended use. For example, other rights such as publicity, privacy, or moral rights may limit how you use the material.
