Analisis Sentimen Terhadap Tokoh Publik Menggunakan Support Vector Machine

Authors

  • Nurul Khasanah Fitriyani Universitas Amikom Yogyakarta
  • Anggit Dwi Hartanto Universitas Amikom Yogyakarta

Keywords:

Analisis Sentimen, Support Vector Machine, Twitter

Abstract

Anies Baswedan adalah seorang gubernur DKI Jakarta yang menjabat pada masa bakti 2017-2022. Pada bulan Desember 2019 ini nama Anies Baswedan hangat diperbincangkan di berbagai media karena pemberian penghargaan Adikarya Wisata 2019 sebuah diskotek yaitu ke Diskotek Colosseum meskipun pada akhirnya penghargaan tersebut dicabut kembali. Namanya juga hangat diperbincangkan karena dianggap cuci tangan setelah mencopot dua pejabat karena dua masalah yang berbeda. Kemudian juga mengenai masalah banjir yang terjadi di Jakarta, namanya juga disebut belum bisa menangani dengan baik banjir yang selalu terjadi di Jakarta. Media twitter memiliki tampilan simpel, topik terupdate, terbuka dalam mengakses tweet dan cepat dalam menyampaikan opini. Dari berbagai komentar dan tanggapan di Twitter diperlukan teknik untuk membagi ke dalam kelas opini negatif atau positif. Penelitian ini, menggunakan preprocessing dan melabeli opini kedalam kelas positif dan negatif. Sedangkan untuk klasifikasinya menggunakan metode Support Vector Machine. Data yang digunakan berupa opini tentang seseorang Anies Baswedan dari media sosial Twitter yang berjumlah 1000 tweet yang diambil pada tanggal 17 Desember 2019. Dari hasil pelabelan didapatkan banyaknya komentar positif berjumlah 429 dan yang berkomentar negatif berjumlah 530. Sedangkan klasifikasi metode Support Vector Machine mendapatkkan nilai akurasi sebesar 95,9%, nilai presisis sebesar 94,49%, dan nilai recall sebesar 96,4%.

References

Chory, Rimba Nuzulul, Muhammad Nasrun, and Casi Setianingsih. 2019. “Sentiment Analysis on User Satisfaction Level of Mobile Data Services Using Support Vector Machine (SVM) Algorithm.†Proceedings - 2018 IEEE International Conference on Internet of Things and Intelligence System, IOTAIS 2018, 194–200. https://doi.org/10.1109/IOTAIS.2018.8600884.

Darmanto, Mohammad Suyanto, Hanif Al Fatta. 2018. “Sentimen Analisis Review Pengguna Marketplace Online Menggunakan Naïve Bayes Classifier.†Pemodelan Arsitektur Sistem Informasi Perizinan Menggunakan Kerangka Kerja Togaf Adm 3 (1).

Haryanto, Dimas Joko, Lailil Muflikhah, and Mochammad Ali Fauzi. 2018. “Analisis Sentimen Review Barang Berbahasa Indonesia Dengan Metode Support Vector Machine Dan Query Expansion.†Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya 2 (9): 2909–16.

Mahendrajaya, Rachmad, Ghulam Asrofi Buntoro, and Moh Bhanu Setyawan. 2019. “Analisis Sentimen Pengguna Gopay Menggunakan Metode Lexicon Based Dan Support Vector Machine.†Komputek 3 (2): 52. https://doi.org/10.24269/jkt.v3i2.270.

Nasution, Muhammad Rangga Aziz, and Mardhiya Hayaty. 2019. “Perbandingan Akurasi Dan Waktu Proses Algoritma K-NN Dan SVM Dalam Analisis Sentimen Twitter.†Jurnal Informatika 6 (2): 226–35. https://doi.org/10.31311/ji.v6i2.5129.

Sistem, Rekayasa, Suwanda Aditya Saputra, Didi Rosiyadi, Windu Gata, and Syepry Maulana Husain. 2021. “Analisis Sentimen E-Wallet Pada Google Play Menggunakan Algoritma†1 (10): 3–8.

Wardhana, Septiyawan Rosetya, Diana Purwitasari, and Siti Rochimah. 2016. “Analisis Sentimen Pada Review Pengguna Aplikasi Mobile Untuk Evaluasi Faktor Usability.†Jurnal Sistem Dan Informatika 11 (1): 128–36. http://jsi.stikom-bali.ac.id/index.php/jsi/article/view/96/88.

Yahya, Norzam, Arief Jananto, Program Studi, Sistem Informasi, Fakultas Teknologi Informasi, Universitas Stikubank, Data Mining, Model Klasifikasi, and Naive Bayes. 2019. “Komparasi Kinerja Algoritma C.45 Dan Naive Bayes Untuk Prediksi Kegiatan Penerimaanmahasiswa Baru (Studi Kasus : Universitas Stikubank Semarang).†Prosidng SENDI, no. 2014: 978–79. https://www.unisbank.ac.id/ojs/index.php/sendi_u/article/view/7389/2369.

Published

2020-06-26

Issue

Section

Daftar Artikel