Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN

Ramadhani, Slamet Harry; Wahyudin, Muhammad

doi:10.35870/jtik.v6i4.530

Cited by 5 publications

(6 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Berdasarkan deskripsi di atas maka menarik untuk melakukan penelitian penggunaan indihome tweets yang merupakan hasil dari penyaluran opini dan komentar, merupakan resource yang dapat digunakan untuk menganalisis sentimen khalayak umum terhadap suatu instansi maupun perorangan twitter dalam berinteraksi langsung dengan konsumennya. [8]. Beberapa penelitian menambahkan feature selection seperti Particle Swarm Optimization (PSO).…”

Section: Latar Belakangunclassified

Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization

Syah

Fajrin

Afif

et al. 2023

jtik

View full text Add to dashboard Cite

Indihome merupakan salah satu dari sekian internet service provider terbesar di Indonesia dengan peningkatan pelanggan setiap tahunnya. Pelanggan Indihome hingga akhir Maret 2022 tercatat mencapai 8,7 juta, tumbuh 7,2 persen dibanding periode yang sama tahun lalu. Namun, seiring berjalannya waktu, banyak pelanggan yang melayangkan keluhan kepada IndiHome mengenai lambatnya akses internet, kenaikan billing secara tiba-tiba dan lain sebagainya. Berdasarkan deskripsi di atas maka menarik untuk melakukan penelitian penggunaan Indihome tweet yang merupakan hasil dari penyaluran opini dan komentar di sosial media twitter. Penelitian ini menggunakan metode Smote, Support vector machine, Adaboost dan Particle swarm optimization agar hasil tersebut dapat dibandingkan tingkat keakurasiannya. Hasil dari penilitian ini didapat bahwa dengan menggunakan metode Smote, Support vector machine didapat nilai Accuracy 80.48, Precision 85.29, Recall 73.75 dan AUC 0.907. Sedangkan untuk metode Smote, Support vector machine dan AdaBoost didapat nilai Accuracy 80.21, Precision 85.01, Recall 73.36 dan AUC 0.861. Terakhir, hasil dari metode metode Smote dan Particle swarm optimization didapat nilai Accuracy 76.59, Precision 76.57, Recall 80.35 dan AUC 0.868. Berdasarkan hasil peneltian, metode Smote dan Support vector machine (SVM) mempunyai hasil terbesar dan dinilai efektif dengan dataset yang ada

show abstract

Section: Latar Belakangunclassified

Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization

Syah

Fajrin

Afif

et al. 2023

jtik

View full text Add to dashboard Cite

show abstract

“…Salah satu kunci hal ini adalah text mining atau Natural Languange Processing (NLP), seperti yang diketahui hal ini berkaitan dengan bagaimana mengekstrak data atau makna dari sebuah teks [12]. Tujuan text mining adalah mencari informasi baru dari sebuah teks atau kalimat dan dalam melakukan ini diperlukan Analisa yang saling terhubung [13].…”

Section: Penelitian Ini Menggunakan Data Dariunclassified

“…Ini adalah model sederhana dari Bayesian network yang memiliki keunggulan diantaranya cepat, sederhanda serta akurasi yang baik [14]. Naïve Bayes memiliki ciri prediksi atau perkiraan yang kuat terhadap setiap kejadian atau kondisi [13]. SMOTE bertugas melakukan upsampling atas imbalanced data yang timbul dalam dataset.…”

Section: Penelitian Ini Menggunakan Data Dariunclassified

Analisis Sentimen Dengan Metode Naïve Bayes, SMOTE Dan Adaboost Pada Twitter Bank BTN

Kurnia

Purnamasari

Saputra

2023

jtik

View full text Add to dashboard Cite

Media sosial menjadi sarana untuk saling berbagi informasi, dari sebagai sarana promosi hingga digunakan untuk menyebarkan opini. Karena kemudahan teknologi, dimanapun orang dapat mengakses media sosial dan mengomentari isu yang sedang ramai dibicarakan. Branding image juga menjadi suatu hal yang penting, karena masyarakat dapat berinteraksi langsung lewat media sosial baik itu dukungan atau kritikan. Sehingga penelitian ini dilakukan untuk menganalisa sentiment yang ada pada media sosial twitter terhadap Bank BTN sebagai Bank yang sudah lama berfokus dalam bidang Kredit Pemilikan Rumah. Untuk menganalisa sentimen tersebut dilakukan percobaan kombinasi algoritma SMOTE, Naïve Bayes dan Adaboost. Sebelum dilakukan perhitungan algoritma, dilakukan tahapan stemming dan stopwords agar data yang digunakan tidak mengandung noise. Hasil penelitian menunjukan bahwa kombinasi SMOTE, Naïve Bayes, dan Adaboost menunjukan hasil pemodelan yang paling baik dengan akurasi sebesar 87.05%, presisi sebesar 90.63%, recall sebesar 83.00%, dan AUC sebesar 0.909.

show abstract

“…Seperti pada penelitian yang sudah dilakukan oleh Slamet Harry Ramadhani mengenai analisis sentimen vaksinasi Astra Zeneca pada media sosial Twitter dengan menggunakan algoritma Naïve Bayes dan K-NN. Hasil dari penilitian ini mendapatkan tingkat akurasi yang berbeda, yaitu pada pengujian Naïve Bayes mempunyai akurasi bernilai 90.71%, pada pengujian K-NN menghasilkan akurasi bernilai 74.78% [9]. Penelitian yang dilakukan oleh Muhammad Syarifuddin mengenai analisis sentimen mengenai COVID-19 pada website twitter memakai algoritma Naïve Bayes dan K-NN.…”

Section: Pendahuluanunclassified

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Rozaqi

Triayudi

Aldisa

2022

json

View full text Add to dashboard Cite

Covid-19 or the corona virus has spread throughout the world, one of which is Indonesia. There have been many problems due to this virus for 2 years in Indonesia, and various efforts and policies have been made by the government to control the impact that does not become worse by this corona virus, these efforts are vaccination actions against the Indonesian people, and in early 2022 the government started a new program, namely booster vaccination. Many people are pro and contra to the program on social media Twitter. This study was conducted with the aim of knowing the sentiment of Indonesians towards booster vaccination in Indonesia.The data obtained as many as 2000 tweets obtained from the keyword "booster vaccine" on Twitter. Then the data is divided into training data and test data (training) then made into three different portions, namely 60/40, 70/30, and 80/20. The test results are that the best performance is found in testing a portion of 80% of the training data 20% of the test data using the K-NN algorithm, the test produced the highest value results, namely 78.62% accuracy and AUC 0.845 and categorized as good classification. The results show that the K-NN algorithm model with an 80% portion of training data is the best in the classification of booster vaccination sentiment analysis. The sentiment results in the test data were positive with 303 tweet data and negative sentiment totaled 93 tweet data. The results of more positive sentiments show that booster vaccinations in Indonesia are acceptable and get a lot of support from the Indonesian people on social media Twitter.

show abstract

Analisis Sentimen Terhadap Vaksinasi Astra Zeneca pada Twitter Menggunakan Metode Naïve Bayes dan K-NN

Cited by 5 publications

References 8 publications

Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization

Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization

Analisis Sentimen Dengan Metode Naïve Bayes, SMOTE Dan Adaboost Pada Twitter Bank BTN

Analisis Sentimen Vaksinasi Booster Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes dan K-NN

Contact Info

Product

Resources

About