AKURASI SENTIMEN PADA KOMENTAR YOUTUBE UNTUK PERMENDIKBUD TENTANG PENCEGAHAN DAN PENANGANAN KEKERASAN SEKSUAL BERBASIS NAÏVE BAYES DAN SUPPORT VECTOR MACHINE
Abstract
Perkembangan9teknologi informasi membawakan perubahan modern untuk masyarakat. Beberapa penggunaan media sosial, diantaranya adalah untuk mendapatkan dan menyampaikan informasi kepada masyarakat atau kerabat Salah satu dari beberapa media9sosial yang saat ini sering digunakan=oleh/masyarakat yaitu situs Youtube. Sentimen Analisis merupakan sebuah teknik dimana untuk mengekstrak sebuah data yang berbentuk teks yang digunakan untuk memperoleh sebuah informasi tentang sentimen bernilai positif dan negatif. Ruang lingkup penelitian ini dilakukan hanya pada komentar masyarakat terhadap permasalahan pencegahan dan penanganan kekerasan seksual di lingkungan perguruan tinggi pada channel MataNajwa. Selanjutnya data tersebut akan dilakukan pengolahan data menggunakan metode Naïve=Bayes dan Support=Vector=Machine menggunakan ekstrasi fitur TF-IDF. Hasil akurasi yang didapatkan pada penelitian ini ialah 64% dengan menggunakan Naïve Bayes dan dilakukan pengujian dengan menggunakan data yang dipilih menggukan K-Fold Cross Validation lalu menghasilkan akurasi sebesar 51,7%. Sedangkan nilai akurasi yang didapatkan saat menggunakan Supporti=Vector=Machine ialah sebesar 92% dengani dilakukan pengujian menggunakan unseen data test yang dipilih random menghasilkan nilai akurasi sebesar 62%.
Kata kunci: analisis isentimen, youtube,iisupport vector machine, naive bayes, akurasi
Keywords
Full Text:
PDF (Bahasa Indonesia)References
Buntoro, Ghulam Asrofi. 2017. Analisis Sentimen Calon Gubernur Dki Jakarta 2017 Di Twitter. Universitas Muhammadiyah Ponorogo.
Firman, T., Miftah, M., Amal, K. 2018. Perbandingan Klasifikasi Antara Knn Dan Naive Bayes Pada Penentuan Status Gunung Berapi Dengan K-Fold Cross Validation. Universitas Khairun Ternate.
Hakim, Sulton Nur. 2021. Analisis Sentimen Persepsi Pengguna Myindihome Menggunakan Metode Support Vector Machine (Svm) Dan Naïve Bayes Classifier (Nbc). Universitas Islam Indonesia.
Cahyono, A G. 2016. Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat Di Indonesia.
Sari. 2019. Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi. Bandung
Sunoto, Y. 2017. Analisis Testimonial Wisatawan Menggunakan Text Mining Dengan Metode Naive Bayes Dan Decision Tree, Studi Kasus Pada Hotel – Hotel Di Jakarta. Institut Bisnis Dan Informatika Kwik Kian Gie
Tuhuteru. 2020. Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine. Universitas Kristen Indonesia Maluku
Luqyana, 2018. Analisis Sentimen Cyberbullying Pada Komentar Instagram Dengan Metode Klasifikasi Support Vector Machine. Universitas Brawijaya
Ria, M. 2018. Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Syarah Umdatil Ahkam), Universitas Islam Negeri Syarif Hidayatullah Jakarta
Rian, T. 2020. Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (Svm). Universitas Nasional, Jakarta
Fahriza, F. 2021. Klasifikasi Sentimen Terhadap Gubernur Dki Jakarta Di Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier. Universitas Negeri Sultan Syarif Qasim Riau Pekanbaru
Fikri, M. 2020. Perbandingan Metode Naïve Bayes Dan Support Vector Machine Pada Analisis Sentimen Twitter. Universitas Muhammadiyah Malang
DOI: https://doi.org/10.32528/justindo.v7i2.7616
Refbacks
- There are currently no refbacks.
Copyright (c) 2022 Muhammad Derryl Qinanda, Agung Nilogiri, Taufiq Timur
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.