Penerapan Sentimen Analisis Dengan Algoritma SVM Dalam Tanggapan Netizen Terhadap Berita Resesi 2023

Nesti Lutfianti

Abstract


Saat ini banyak negara yang sedang memperbincangkan kemungkinan terjadinya resesi di negaranya, Indonesia termasuk diantaranya. Sinyal terjadinya kemungkinan resesi dapat terlihat dari mulai melemahnya aktifitas ekonomi sektor riil pada negara tersebut.  Dengan adanya isu berita tersebut, menuai banyak pendapat dan opini dari netizen melalui paltform media sosial twitter, mereka saling berkomentar terhadap adanya isu berita resesi 2023. Tujuan dari penelitian analisis sentimen ini adalah untuk memahami dan mengetahui opini masyarakat atas isu berita resesi pada 2023 pada media sosial twitter apakah opini tersebut masuk dalam kelas sentimen positif atau kelas sentimen negatif serta mengetahui hasil akurasi persentasi dari setiap kelas. Pengujian dilakukan menggunakan model klasifikasi support vector machine (SVM) dan beberapa metode seperti data crawling, pre-processing, dan pembobotan kata. Berdasarkan hasil pengujian model didapatkan hasil akurasi 98,67% nilai Recall Positif sebesar 99.33%, nilai Recall Negatif sebesar 98.00%, nilai Precision Positif sebesar 98.03% dan nilai Precision Negatif sebesar 99.32%. Data latih sebanyak 300 data sebanyak 149 data terprediksi Positif dan 1 data terprediksi Negatif. Untuk hasil prediksi sentiment negative terdapat 147 data dan 3 data terprediksi positif. Dari proses sentimen analisis dengan 667 data uji, dihasilkan prediksi sebanyak 373 Sentimen Positif dan 294 Sentimen Negatif.


Keywords


Sentiment analysis, Tweets, Support Vector Machine, Recession

Full Text:

PDF (Indonesian)

References


R. Nooraeni, A. Fikri Fadhilah I, H. Dwi, S. Fatimatul, S. Pertiwi, dan Y. Ronaldias, “Analisis Sentimen Data Twitter Mengenai Isu RUU KPK Dengan Metode Support Vector Machine (SVM),” vol. 22, no. 1, 2020, doi: 10.31294/p.v21i2.

Slamin, Universitas Negeri Jember, Institute of Electrical and Electronics Engineers. Indonesia Section, Institute of Electrical and Electronics Engineers. Indonesia Section. Computer Society Chapter, dan Institute of Electrical and Electronics Engineers, Proceedings, 2019 International Conference on Computer Science, Information Technology, and Electrical Engineering (ICOMITEE 2019) : October 16th-17th 2019, Jember, Indonesia.

M. Iqbal Ahmadi dkk., “SENTIMENT ANALYSIS ONLINE SHOP ON THE PLAY STORE USING METHOD SUPPORT VECTOR MACHINE (SVM),” Seminar Nasional Informatika, vol. 2020.

N. Fitriyah, B. Warsito, D. Asih, dan I. Maruddani, “ANALISIS SENTIMEN GOJEK PADA MEDIA SOSIAL TWITTER DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE (SVM),” JURNAL GAUSSIAN, vol. 9, no. 3, hlm. 376–390, 2020, [Daring]. Available: https://ejournal3.undip.ac.id/index.php/gaussian/

D. Darwis, E. Shintya Pratiwi, A. Ferico, dan O. Pasaribu, “PENERAPAN ALGORITMA SVM UNTUK ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA,” 2020.

D. S. Utami dan A. Erfina, “ANALISIS SENTIMEN PINJAMAN ONLINE DI TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),” 2021.

D. Auliya Agustina, S. Subanti, E. Zukhronah, P. Studi Statistika, dan U. Sebelas Maret, “Implementasi Text Mining Pada Analisis Sentimen Pengguna Twitter Terhadap Marketplace di Indonesia Menggunakan Algoritma Support Vector Machine,” 2020.

N. Öztürk dan S. Ayvaz, “Sentiment analysis on Twitter: A text mining approach to the Syrian refugee crisis,” Telematics and Informatics, vol. 35, no. 1, hlm. 136–147, Apr 2018, doi: 10.1016/j.tele.2017.10.006.

G. Song, “Sentiment analysis of Japanese text and vocabulary learning based on natural language processing and SVM,” J Ambient Intell Humaniz Comput, 2021, doi: 10.1007/s12652-021-03040-z.

W. Budiharto dan M. Meiliana, “Prediction and analysis of Indonesia Presidential election from Twitter using sentiment analysis,” J Big Data, vol. 5, no. 1, Des 2018, doi: 10.1186/s40537-018-0164-1.

H. Tuhuteru dan U. Kristen Indonesia Maluku Jl Ot Pattimaipauw, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine.”

R. Sandoval-Almazan dan D. Valle-Cruz, “Sentiment Analysis of Facebook Users Reacting to Political Campaign Posts,” Digital Government: Research and Practice, vol. 1, no. 2, Apr 2020, doi: 10.1145/3382735.

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

O. Almatrafi, S. Parack, dan B. Chavan, “Application of location-based sentiment analysis using twitter for identifying trends towards indian general elections 2014,” dalam ACM IMCOM 2015 - Proceedings, Jan 2015. doi: 10.1145/2701126.2701129.

H. C. Husada dan A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, hlm. 18–26, Feb 2021, doi: 10.34148/teknika.v10i1.311.

IEEE Staff, 2018 IEEE International Conference on Internet of Things and Intelligence System (IOTAIS). IEEE, 2018.

T. Fazar Tri Hidayat dan dan Azhari Ali Ridha, “Analisis Sentimen Pemindahan Ibu Kota Pada Twitter Dengan Metode Support Vector Machine”.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, dan W. Gata, “ANALISIS SENTIMEN APLIKASI RUANG GURU DI TWITTER MENGGUNAKAN ALGORITMA KLASIFIKASI,” Jurnal Teknoinfo, vol. 14, no. 2, hlm. 115, Jul 2020, doi: 10.33365/jti.v14i2.679.

G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” 2017. [Daring]. Available: https://t.co/jrvaMsgBdH

K. A. Padhana dan M. Sadikin, “Analisis Sentimen Masyarakat Terhadap Kondisi Perekonomian di Indonesia Pada Masa Pandemi 2020,” Jurnal Ilmu Teknik dan Komputer, vol. 5, no. 2, 2021.

A. Rahman Isnain, A. Indra Sakti, D. Alita, dan N. Satya Marga, “SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM,” JDMSI, vol. 2, no. 1, hlm. 31–37, 2021, [Daring]. Available: https://t.co/NfhnfMjtXw

A. Novantirani, M. S. Kania Sabariah, dan V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine.”

P. Arsi dan R. Waluyo, “ANALISIS SENTIMEN WACANA PEMINDAHAN IBU KOTA INDONESIA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),” vol. 8, no. 1, hlm. 147–156, 2021, doi: 10.25126/jtiik.202183944.

P. Amira Sumitro dkk., “Terbit online pada laman web jurnal: https://ejurnalunsam.id/index.php/jicom/ Analisis Sentimen Terhadapat Vaksin Covid-19 di Indonesia pada Twitter Menggunakan Metode Lexicon Based”, [Daring]. Available: https://developer.twitter.com

“4.2017 Analisis Waktu nyata dari acara trending teratas di twitter ; Pendekatan Berbasis Leksikon”.




DOI: http://dx.doi.org/10.30700/jst.v13i1.1339

Article Metrics

Abstract view : 584 times
PDF (Indonesian) - 502 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2023 SISFOTENIKA

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Badan Pengelola Jurnal Ilmiah Sistem Informasi dan Teknik Informatika (SISFOTENIKA) STMIK Pontianak.

 

Jurnal Ilmiah SISFOTENIKA terindex di :


   

   

  

    

    

    

   

 

 

 

ISSN Printed : 2087-7897

ISSN Online : 2460-5344


SERTIFIKAT PENGHARGAAN :

Jurnal Ilmiah SISFOTENIKA Terakreditasi Peringkat Empat

 

Partners & Co-Organizers:




Lisensi Creative Commons

Jurnal Ilmiah SISFOTENIKA: STMIK Pontianak Online Journal ISSN Printed (2087-7897) - ISSN Online (2460-5344) licensed under a Lisensi Creative Commons Atribusi 4.0 Internasional. Flag Counter

View My Stats>