Analisis Sentimen terhadap Peluang Kerja di Indonesia selama Masa Pandemi COVID-19 dengan Metode Klasifikasi Naive Bayes

Abdullah, Mohammad Aldinugroho; Mahdiana, Deni

doi:10.30865/mib.v6i2.3972

Cited by 1 publication

(1 citation statement)

References 11 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Twitter merupakan salah satu media sosial yang cukup populer karena menjadi sebuah media yang dapat digunakan untuk saling berbagi informasi, berdiskusi, dan menyampaikan pendapat secara bebas dan terbuka terhadap isu tertentu (Mulya & Sujaini, 2022). Salah satu topik yang menjadi perbincangan di media sosial Twitter adalah aksi demonstrasi yang terjadi di Indonesia.…”

Section: Pendahuluanunclassified

Analisis Sentimen Publik Terhadap Aksi Demonstrasi di Indonesia Menggunakan Support Vector Machine Dan Random Forest

Ni Made Tara Okta Adriana,

I Made Agus Dwi Suarjaya,

Dwi Putra Githa

2023

Decode

View full text Add to dashboard Cite

Indonesia adalah sebuah negara demokrasi yang memberikan kebebasan bagi setiap warganya untuk berekspresi dan mengeluarkan pendapat, salah satunya melalui demonstrasi. Namun, kadang kala kebebasan tersebut disalahgunakan oleh pihak-pihak tertentu yang menyebabkan adanya demonstrasi yang diikuti oleh kerusuhan dan aksi anarkis, sehingga menimbulkan berbagai macam kerugian. Penelitian ini bertujuan untuk mengetahui pandangan masyarakat terkait aksi demonstrasi yang terjadi di Indonesia melalui tweets pada media sosial Twitter dengan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Pada penelitian ini terdapat penambahan proses untuk menghilangkan kata-kata yang tidak terdaftar pada Kamus Besar Bahasa Indonesia (KBBI) karena tweets pada media sosial Twitter cenderung lebih banyak menggunakan bahasa gaul atau bahasa yang tidak baku, sehingga penambahan proses ini diharapkan dapat memberikan data bersih yang lebih baik. Klasifikasi pada penelitian ini dibagi menjadi 3 kelas, yaitu positif, negatif, dan netral. Pengujian yang telah dilakukan mendapatkan nilai akurasi paling baik dengan menggunakan algoritma SVM, yaitu sebesar 80,3%. Hasil klasifikasi menunjukkan bahwa sebesar 54,98% atau sekitar 960.519 data merupakan klasifikasi negatif yang diikuti oleh sentimen netral sebanyak 29,15% dan sentimen positif sebesar 15,86%.

show abstract

Section: Pendahuluanunclassified