Analisis Sentimen Twitter Menggunakan Metode Support Vector Machine (SVM) pada Kasus Benih Lobster 2020

Main Article Content

BERGAS PAMUNGKAS
Muhammad Eka Purbaya
Dwi Januarita A.K

Abstract

Perkembangan dan penggunaan media sosial Twitter saat ini meningkat secara signifikan, sedangkan media sosial Twitter masih memuat cuitan positif dan negatif. Sedangkan saat ini terdapat kasus korupsi benih lobster di tahun 2020 informasi ini menjadi trending topic pada media sosial Twitter. Sedangkan untuk mendapatkan data yang valid mengenai klasifikasi berdasarkan cuitan positif dan negatif maka digunakan metode support vector machine (SVM). Analisis dilakukan menggunakan metode support vector machine (SVM) untuk mendapatkan hasil klasifikasi berdasarkan sentimen positif dan negatif. Pada proses pencarian klasifikasi antara cuitan positif dan negatif dengan mengatur pada mesin pencari sebanyak 500 cuitan, setelah melakukan pencarian didaptkan data sebanyak 156 data cuitan yang membahas korupsi benih lobster. Metode Support Vector Machine (SVM) dapat digunakan untuk mencari field yang dapat memisahkan kedua kelas dengan menggunakan fitur analisis sentimen dan klasifikasi. Model SVM juga dapat mengklasifikasikan respon masyarakat terhadap isu korupsi benih lobster tahun 2020 dengan baik, untuk hasil dari proses klasifikasi tersebut maka didapatkan nilai yaitu nilai akurasi 84,21% sedangkan nilai sensitivitas 73,38% dan nilai spesifisitas 82,10%.

Article Details

How to Cite
PAMUNGKAS, B., Purbaya, M. E., & A.K, D. J. (2021). Analisis Sentimen Twitter Menggunakan Metode Support Vector Machine (SVM) pada Kasus Benih Lobster 2020. Journal of Informatics Information System Software Engineering and Applications (INISTA), 3(2), 10-20. https://doi.org/10.20895/inista.v3i2.243
Section
Articles

References

[1] Wawan, “Pimpinan komisi pemberantasan korupsi, kebijakan dan tantangan penanggulangan korupsi di era 4.0,” vol. 15, pp. 36–53, 2020.
[2] Hernawati, “Sentimen Analisis Operasi Tangkap Tangan KPK Menurut Masyarakat Menggunakan Algoritma Support Vector Machine , Naive Bayes Berbasis Particle Swarm Optimizition,” vol. 12, no. 3, pp. 230–243, 2019.
[3] Nooraeni, Rani, Aulia , Heny and S. Pertiwi, “Analisis Sentimen Data Twitter Mengenai Isu RUU KPK Dengan Metode Support Vector Machine ( SVM ),” vol. 22, no. 1, pp. 55–60, 2020.
[4] Khurniawan, “Twitter Sentiment Analysis : Case Study on the Revision of the Indonesia ’ s Corruption Eradication Commission ( KPK ) Law,” 2019.
[5] Eka, Andrea, “Pemanfaatan Media Sosial Twitter Oleh Ridwan Kamil Dan Ganjar Pranowo Telah Sesuai Dengan Fungsi Utama Media Massa,” vol. VIII, pp. 52–60, 2016.
[6] Annisa, “Analisis sentimen pada review aplikasi berita,” 2020.
[7] Ben, “Konstruksi pembingkaian visual Edhy prabowo dalam kasus korupsi benur pada ilustrasi sampul majalah dan koran tempo,” vol. 6, no. 1, 2021.
[8] Satria, “Kebijakan Kriminal Pencegahan Korupsi Pelayanan Publik,” vol. 6, no. 2, pp. 169–186.
[9] Elda, “Arah Kebijakan Pemberantasan Tindak Pidana Korupsi di Indonesia : Kajian Pasca Perubahan Undang-Undang Komisi Pemberantasan Korupsi,” no. 30, pp. 153–170, 2019.
[10] Al-hussein, “Technology in Society The use of social media and perceptions of corruption within the Jordanian political elite,” Technol. Soc., vol. 62, no. March, p. 101334, 2020.