Analisis Sentimen Penggunaan Sosial Media Terhadap Berita Kriminal Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine(SVM)

Maria Tantiana  mone; Elfira Umar; Mitra Permata Ayu

doi:10.47233/jpst.v2i4.1211

Authors

Maria Tantiana mone STIMIKOM Stella Maris Sumba
Elfira Umar STIMIKOM Stella Maris Sumba, Indonesia
Mitra Permata Ayu STIMIKOM Stella Maris Sumba, Indonesia

DOI:

https://doi.org/10.47233/jpst.v2i4.1211

Keywords:

Analisis Sentimen; media sosial; naive bayes classifier; SVM.

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen media sosial dengan menggunakan Naïve Bayes Classifier dan Support Vektor Machine. Metode ini digunakan untuk mengekstrak dan menganalisis informasi dan pengetahuan yang berguna dari sejumlah data besar. Data yang digunakan dalam penelitian ini adalah komentar atau tanggapan masyarakat terhadap berita yang di unggah di media sosial. Penelitian menunjukan ada 71 sentimen positif dan 31 sentimen negatif. Akurasi prediksi positif sebesar 80,36% dan akurasi prediksi negatif sebesar 84,00% , recall pada data positif sebesar 84,91% dan 79,25% pada data negatif. Sedangkan metode Support Vektor Machine menunjukan prediksi positif sebesar 54,84% dan 84,62% pada prediksi negatif, nilai recall pada data positif sebesar 96,23% dan 20,75% pada data negatif. Penelitian ini diharapkan dapat membantu pihak humas dalam menganalisis komentar atau reaksi masyarakat terhadap berita yang dimuat di media sosial.

Downloads

Download data is not yet available.

References

P E. Turban, J. E. Aronson, and T.-P. Liang, “Decision Support System and Intelligent System,” Penerbit: Andi, Yogyakarta. p. 936, 2010.

A. M. B. Aditia Rakhmat Sentiaji, P. S. Sarjana, D. Statistika, F. Matematika, D. A. N. Ilmu, and P. Alam, “Analisis Sentimen Terhadap Acara Televisi Berdasarkan Opini Publik,” J. Ilm. Komput. dan Inform., 2014.

S. Hikmawan, A. Pardamean, and S. N. Khasanah, “Sentimen Analisis Publik Terhadap Joko Widodo terhadap wabah Covid-19 menggunakan Metode Machine Learning,” J. Kaji. Ilm., vol. 20, no. 2, pp. 167–176, 2020, doi: 10.31599/jki.v20i2.117.

N. Hayatin, G. I. Marthasari, and L. Nuraini, “Optimization of Sentiment Analysis for Indonesian Presidential Election using Naïve Bayes and Particle Swarm Optimization,” J. Online Inform., vol. 5, no. 1, pp. 81–88, 2020, doi: 10.15575/join.v5i1.558.

M. R. Adrian, M. P. Putra, M. H. Rafialdy, and N. A. Rakhmawati, “Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB,” J. Inform. Upgris, vol. 7, no. 1, pp. 36–40, 2021, doi: 10.26877/jiu.v7i1.7099.

M. D. Alizah, A. Nugroho, U. Radiyah, and W. Gata, “Sentimen Analisis Terkait Lockdown pada Sosial Media Twitter,” Indones. J. Softw. Eng., vol. 6, no. 2, pp. 223–229, 2020, doi: 10.31294/ijse.v6i2.8991.

H. Ramanizar, A. Fajri, R. Binsar Sinaga, H. Mubarok, A. D. Pangestu, and D. S. Prasvita, “Analisis Sentimen Pengguna Twitter terhadap Konflik antara Palestina dan Israel Menggunakan Metode Naïve Bayesian Classification dan Support Vector Machine,” Semin. Nas. Mhs. Ilmu Komput. dan Apl. Jakarta-Indonesia, no. September, pp. 166– 175, 2021.

C. M. Sitorus, A. Rizal, and M. Jajuli, “Prediksi Risiko Perjalanan Transportasi Online Dari Data Telematik Menggunakan Algoritma Support Vector Machine,” J. Tek. Inform. dan Sist. Inf., vol. 6, no. 2, pp. 254–265, 2020, doi: 10.28932/jutisi.v6i2.2672.

A. Ariansyah and M. Kusmira, “Analisis Sentimen Pengaruh Pembelajaran Daring Terhadap Motivasi Belajar Di Masa Pandemi Menggunakan Naive Bayes Dan Svm,” Fakt. Exacta, vol. 14, no. 3, p. 100, 2021, doi: 10.30998/faktorexacta.v14i3.10325.

D. Rusdiaman and D. Rosiyadi, “Analisa Sentimen Terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine,” J. Comput. Eng. Syst. Sci., vol. 4, no. 2, pp. 2502–7131, 2019.