PENERAPAN METODE SUPPORT VECTOR MACHINE UNTUK MENGUKUR AKURASI MODEL KLASIFIKASI SENTIMENT

Netty Herawati; Gunawan Gunawan

doi:10.51401/jinteks.v7i3.6189

Authors

Netty Herawati Universitas Muhammadiyah Bengkulu
Gunawan Gunawan Universitas Muhammadiyah Bengkulu

DOI:

https://doi.org/10.51401/jinteks.v7i3.6189

Keywords:

Support Vector Machine, Twitter, Googel Colab, Sentiment

Abstract

Kemajuan teknologi informasi telah mendorong munculnya berbagai platform media sosial, salah satunya Twitter, yang tidak hanya berfungsi sebagai sarana komunikasi, tetapi juga menjadi medium penyampaian opini publik terhadap isu sosial. Salah satu kasus yang ramai diperbincangkan di Twitter adalah pembunuhan Nia Kurnia Sari, seorang penjual gorengan di Kabupaten Padang Pariaman, yang memicu beragam respons masyarakat. Penelitian ini bertujuan untuk mengidentifikasi dan mengklasifikasikan sentimen publik terhadap kasus tersebut ke dalam kategori positif, negatif, atau netral. Data diperoleh melalui teknik crawling terhadap 2.737 tweet, kemudian diproses melalui tahapan text preprocessing, pelabelan sentimen, pembobotan menggunakan TF-IDF, visualisasi data, dan klasifikasi menggunakan algoritma Support Vector Machine . Proses pelatihan dan pengujian model dilakukan dengan proporsi data 80:20. Dari total 2.436 data tweet yang dianalisis, hasil menunjukkan bahwa mayoritas sentimen bersifat netral, diikuti oleh negatif dan positif. Model yang dikembangkan menunjukkan performa tinggi dengan akurasi 92%, precision 95%, recall 86%, dan f1-score 89%, yang mengindikasikan bahwa metode SVM efektif untuk menganalisis sentimen masyarakat terhadap isu-isu sosial di media sosial.

References

F. N. Alin, M. H. Totohendarto, and M. R. Muttaqin, “Analisis Sentimen Terhadap Kendaraan Listrik Pada Platform Twitter Menggunakan Metode Naive Bayes,” INFORMATICS Educ. Prof. J. Informatics, vol. 8, no. 2, p. 96, 2023, doi: 10.51211/itbi.v8i2.2490.

T. Safitri, Y. Umaidah, and I. Maulana, “Analisis Sentimen Pengguna Twitter Terhadap Grup Musik BTS Menggunakan Algoritma Support Vector Machine,” J. Appl. Informatics Comput., vol. 7, no. 1, pp. 28–35, 2023, doi: 10.30871/jaic.v7i1.5039.

R. Wati and S. Ernawati, “Analisis Sentimen Persepsi Publik Mengenai PPKM Pada Twitter Berbasis SVM Menggunakan Python,” J. Tek. Inform. UNIKA St. Thomas, vol. 06, pp. 240–247, 2021, doi: 10.54367/jtiust.v6i2.1465.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” J. Sains Komput. Inform. (J-SAKTI, vol. 5, no. 2, pp. 697–711, 2021.

E. S. Romaito, M. K. Anam, Rahmaddeni, Ulfah, and A. Noviciate, “Dalam Analisa Sentimen Pilkada Pada Twitter,” pp. 169–179, 2021, [Online]. Available: https://doi.org/10.22303/csrid.13.3.2021.169-179

T. M. Permata Aulia, N. Arifin, and R. Mayasari, “Perbandingan Kernel Support Vector Machine (SVM) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19,” SINTECH (Science Inf. Technol. J., vol. 4, no. 2, pp. 139–145, 2021, doi: 10.31598/sintechjournal.v4i2.762.

L. Fauzi, M. Dasuki, and L. A. Muharom, “Penerapan Algoritma Support Vector Machine untuk Klasifikasi Sentimen Vaksin Booster pada Twitter,” JUSTIFY J. Sist. Inf. Ibrahimy, vol. 2, no. 2, pp. 135–143, 2024, doi: 10.35316/justify.v2i2.4005.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 147, 2021, doi: 10.25126/jtiik.0813944.

R. NURLaely, S. D. Sartika, Kamdan, and I. L. Kharisma, “Analisis Sentimen Twitter Terhadap Cyberbullying Menggunakan Metode Support Vector Machine (SVM),” J. Comput. Sci. Inf. Technol., vol. 4, no. 2, pp. 376–384, 2023, [Online]. Available: http://ejurnal.umri.ac.id/index.php/coscitech/indexhttps://doi.org/10.37859/coscitech.v4i2.5161

A. M. Anisa Putri, “Analisis Sentimen Cyberbullying kpop Di Media Sosial Twitter Menggunakan Metode Naive Bayess,” vol. 9, no. 9, pp. 356–363, 2022, [Online]. Available: https://research.ebsco.com/c/ylm4lv/viewer/pdf/xaygrjgkgr

D. Angraina and A. Putri, “Analisis Sentimen Pengguna Aplikasi Google Meet Menggunakan Algoritma Support Vector Machine,” J. CoSciTech (Computer Sci. Inf. Technol., vol. 3, no. 3, pp. 472–478, 2022, doi: 10.37859/coscitech.v3i3.4260.

S. Ash and A. Surya, “Analisis Sentimen Masyarakat Terhadap Kebijakan Vaksinasi Covid-19 Pada Media Sosial Twitter Menggunakan Metode Logistic Regression,” J. CoSciTech (Computer Sci. Inf. Technol., pp. 99–106, 2022.

A. J. Putri, A. S. Syafira, M. E. Purbaya, and D. Purnomo, “Analisis Sentimen E-Commerce Lazada pada Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine,” J. TRINISTIK J. Tek. Ind. Bisnis Digit. dan Tek. Logistik, vol. 1, no. 1, pp. 16–21, 2022, doi: 10.20895/trinistik.v1i1.447.

F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK J. Manajemen, Tek. Inform. dan Rekayasa Komput., vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.

Rendy Rian Chrisna Putra, Eza Budi Perkasa, Tri Sugihartono, Ahmad Pakih Alkayess, Irsad Dwi Sandro, and Royhan Indallah, “Komparasi Naive Bayess dengan Support Vector Machine dalam Analisis Sentimen Aplikasi MyPertamina,” SATIN - Sains dan Teknol. Inf., vol. 9, no. 2, pp. 90–99, 2023, doi: 10.33372/stn.v9i2.1042.

Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains, Teknol. dan Inform., vol. 10, no. 2, pp. 176–184, 2023, doi: 10.37373/tekno.v10i2.419.

M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Comparison of Naïve Bayes and Support Vector Machine Methods in Twitter Sentiment Analysis,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020.