PENERAPAN ALGORITMA  SVM UNTUK  ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA

Dedi Darwis; Eka Shintya Pratiwi; A Ferico Octaviansyah Pasaribu

doi:10.21107/edutic.v7i1.8779

PENERAPAN ALGORITMA SVM UNTUK ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA

Dedi Darwis, Eka Shintya Pratiwi, A Ferico Octaviansyah Pasaribu

Abstract

KPK RI merupakan lembaga terdepan yang memiliki kuasa penuh dan diharuskan untuk memberikan kinerja yang baik dalam memberantas tindak pidana korupsi. Namun dengan berkembangnya zaman, menjadikan masyarakat semakin mudah berselancar di media sosial untuk mengetahui informasi, dan bertukar informasi atau opini ke publik tanpa dibatasi ruang dan waktu. Media sosial twitter merupakan sala satu sosial media yang dijadikan sebagai wadah menampung opini tersebut. Metode klasifikasi yang digunakan pada penelitian ini adalah Support Vector Machine (SVM) dan ekstraksi fitur menggunakan TF-IDF. Dari 2000 data hasil twitter crawling, penelitian ini menghasilkan 1890 data dan 3846 term/kata dari hasil preprocessing lalu dihitung nilai dari kemunculan kata untuk labeling yang menghasilkan sentimen positif, negatif dan netral. Berdasarkan hasil pengujian yang dihasilkan, penerapan metode SVM menghasilkan nilai Akurasi sebesar 82% dan menghasilkan sentimen dengan label negatif lebih besar dengan jumlah 77%, label positif 8% dan label netral 25%.

Full Text:

PDF

References

Alita, D. (2017). Analysis of Emoticon and Sarcasm Effect on Sentiment Analysis of Indonesian Language on Twitter, Journal of Information Systems Engineering and Business Intelligence, Vol 5 (2), 100-109.

Alita, D., Fernando, Y., & Sulistiani, H. (2020). Implementasi Algoritma Multiclass SVM pada Opini Publik Berbahasa Indonesia di Twitter. Jurnal Tekno Kompak, 14(2), 86-91

Haranto, F. F, & Sari, B. W. (2019). Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap. Jurnal PILAR Nusa Mandiri, Vol 15(2), 171–176.

Isnain, A. R., Sihabuddin, A., & Suyanto, Y. (2020). Bidirectional Long Short Term Memory Method and Word2vec Extraction Approach for Hate Speech Detection. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 14(2).

Mulyanto, A., & Nurhuda, Y. A. (2017). Penyelesaian Kata Ambigu Pada Proses POS Tagging Menggunakan Algoritma Hidden Markov Model ( HMM ). SEMINAR NASIONAL METODE KUANTITATIF, p. 347.

Rahmawati, A., Marjuni, A., & Zeniarja, J. (2017). Analisis Sentimen Publik Pada Media Sosial Twitter Terhadap Pelaksanaan Pilkada Serentak Menggunakan Algoritma Support Vector Machine. CCIT Journal, 10(2), 197–206.

Rahutomo, F., Saputra, P. Y. & Fidyawan, M. A. (2018) Implementasi Twitter Sentiment Analysis Untuk Review Film Menggunakan Algoritma Support Vector Machine, Jurnal Informatika Polinema, 4(2), 93.

Styawati, & Mustofa, K. (2019). A Support Vector Machine-Firefly Algorithm For Movie Opinion Data Classification. 13(3), 219–230.

Sulistiani, H., & Muludi, K. (2018). Implementation of Dynamic Mutual Information and Support Vector Machine for Customer Loyalty Classification. The 2nd International Conference on Applied Sciences, Mathematics and Informatics, 1338(1), p. 12050.

Surahman, A., Pasaribu, A. O., & Darwis, D. (2020). Ekstraksi Data Produk E-Marketplace Sebagai Strategi Pengolahan Segmentasi Pasar Menggunakan Web Crawler. SISTEMASI: Jurnal Sistem Informasi, 9(1), 73-81.

Tane, O. Z. A., Lhaksmana, K. M., & Nhita, F. (2019). Analisis Sentimen Pada Twitter Tentang Calon Presiden 2019 Menggunakan Metode Svm (Support Vector Machine). Seminar Nasional Teknologi Fakultas Teknik Universitas Krisnadwipayana, 1(1), 739–742.

Taufiq H.R, R., Wardoyo, A. E., & Pratama, M. R. (2018). Analisis Sentimen Pada Twitter Terhadap Kinerja Komisi Pemberantasan Korupsi (Kpk) Di Indonesia Dengan Metode Naive Bayes. 3(1), 58–67.

DOI: https://doi.org/10.21107/edutic.v7i1.8779