Penerapan Metode Adaptive Boosting Pada Analisis Sentimen Kenaikan BBM Pertamina
Keywords:
Analisis Sentimen, AdaBoost, BBMAbstract
Masyarakat selalu menentang kenaikan harga BBM. Selain itu, emosi negatif semakin terlihat karena kisah di media sosial sering dipenuhi dengan provokasi yang berlebihan. Dianggap bahwa pengalihan subsidi BBM oleh pemerintah tidak menguntungkan rakyat. Kenaikan harga BBM juga memicu interaksi dan percakapan warganet Indonesia di media sosial. Perbincangan isu kenaikan BBM di media sosial terdapat 403.700 perbincangan dengan 2,2 juta interaksi antar pengguna media sosial. Data penelitian mencakup 560 tweet. Ini dibagi menjadi dua, 500 untuk data latihan dan 60 untuk data uji, yang disimpan dalam format xlsx. Algoritma yang di gunakan adalah AdaBoost dengan klasifikasi sentimen positif atau negatif. Studi ini menghasilkan algoritma AdaBoost memiliki kemampuan untuk mengkategorikan tweet kenaikan BBM Pertamina ke dalam kelas bersentimen positif atau negatif dengan akurasi sebesar 86,8%.References
A. Maulana, "Twitter Rahasiakan Jumlah Pengguna di Indonesia," 23 March 2016. [Online]. Available: https://www.cnnindonesia.com/teknologi/20160322085045-185-118939/twitter-rahasiakan-jumlah-pengguna-di-indonesia. [Accessed 30 Mei 2023].
R. Arunachalam and S. Sarkar, "The new eye of government: Citizen sentiment analysis in sosial media," In Sixth International Joint Conference on Natural Language Processing, p. 23, 2015.
Permenpan, Penyebarluasan Informasi Melalui Media Sosial Bagi Aparatur Sipil Negara, Jakarta, 2018.
M. A. Rizaty, "Pengguna Twitter di Indonesia Capai 18,45 Juta pada 2022," 10 August 2022. [Online]. Available: https://dataindonesia.id/digital/detail/pengguna-twitter-di-indonesia-capai-1845-juta-pada-2022. [Accessed 30 Mei 2023].
Y. M. Hendarto, "Kompas," 22 September 2022. [Online]. Available: https://www.kompas.id/baca/riset/2022/09/06/narasi-penggulingan-orde-baru-turut-mewarnai-kenaikan-harga-bbm.
L. D. Utami and R. S. Wahono, "Integrasi Metode Information Gain Untuk Seleksi Fitur dan Adaboost Untuk Mengurangi Bias Pada Analisis Sentimen Review Restoran Menggunakan Algoritma Naïve Bayes," Journal of Intelligent Systems, vol. I, no. 2, pp. 120-126, December 2015.
L. Qadrini, A. Seppewali and A. Aina, "Decision Tree Dan Adaboost Pada Klasifikasi Penerima Program Bantuan Sosial," Jurnal Inovasi Penelitian, vol. II, no. 7, pp. 1959-1966, December 2021.
A. Byna and M. Basit, "Penerapan Metode Adaboost Untuk Mengoptimasi Prediksi Penyakit Stroke Dengan Algoritma Naïve Bayes," SISFOKOM, vol. IX, no. 3, pp. 407-411, November 2020.
Tanti, P. Sirait and Andri, "Optimalisasi Kinerja Klasifikasi Melalui Seleksi Fitur dan AdaBoost dalam Penanganan Ketidakseimbangan Kelas," Jurnal Media Informatika Budidarma, vol. V, no. 4, pp. 1377-1385, Oktober 2021.
