KOMPARASI ALGORITMA SUPPORT VECTOR MACHINE DAN NAIVE BAYES PADA ANALISIS SENTIMEN DATA TWITTER
Keywords:
Support Vector Machine, Naïve Bayes. Analisis Sentimen, Covid-19Abstract
Twitter merupakan media sosial yang banyak digunakan. Media sosial twitter dapat digunakan untuk mengekspresikan pikiran dan pendapat sesorang tentang objek tersebut. Ini memberikan peluang besar untuk menggunakan sumber data untuk analisis sentimen. Ada banyak algoritma untuk melakukan analisis sentimen, seperti Support Vector Machine (SVM) dan Naive Bayes (NB). Peneliti tertarik menggunakan metode Support Vector Machine dan Naïve Bayes untuk mengklasifikasikan data, karena ada banyak pendapat tentang kinerja kedua metode tersebut. Data yang digunakan dalam penelitian ini adalah data opini masyarakat mengenai kebijakan vaksinasi Covid-19. Proses klasifikasi pertama dilakukan dengan metode Support Vector Machine dengan kernel yang berbeda. Setelah didapatkan hasil akurasi terbaik, hasil akurasi tersebut dibandingkan dengan nilai akurasi dari hasil naive bayes classifier.
References
Abidin, Z., Wijaya, A., & Pasha, D. (2021). Aplikasi Stemming Kata Bahasa Lampung Dialek Api Menggunakan Pendekatan Brute-Force dan Pemograman C. JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(1), 1–8.
Aldino, A. A., Saputra, A., & Nurkholis, A. (2021). Application of Support Vector Machine ( SVM ) Algorithm in Classification of Low-Cape Communities in Lampung Timur. 3(3), 325–330. https://doi.org/10.47065/bits.v3i3.1041
Alita, D. (2021). Multiclass SVM Algorithm for Sarcasm Text in Twitter. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 8(1), 118–128. https://doi.org/10.35957/jatisi.v8i1.646
Alita, D., Putra, A. D., & Darwis, D. (2021). Analysis of classic assumption test and multiple linear regression coefficient test for employee structural office recommendation. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(3), 1–5.
Alita, D., Sari, I., Isnain, A. R., & Styawati, S. (2021). Penerapan Naïve Bayes Classifier Untuk Pendukung Keputusan Penerima Beasiswa. Jurnal Data Mining Dan Sistem Informasi, 2(1), 17–23.
Ariyanti, D., & Iswardani, K. (2020). Teks Mining untuk Klasifikasi Keluhan Masyarakat Pada Pemkot Probolinggo Menggunakan Algoritma Naïve Bayes. Jurnal IKRA-ITH Informatika, 4(3), 125–132.
Ariyanti, L., Najib, M., Satria, D., & Alita, D. (2020). Sistem Informasi Akademik Dan Administrasi Dengan Metode Extreme Programming Pada Lembaga Kursus Dan Pelatihan. Jurnal Teknologi Dan Sistem Informasi (JTSI), 1(1), 90–96. http://jim.teknokrat.ac.id/index.php/sisteminformasi
Arpiansah, R., Fernando, Y., & Fakhrurozi, J. (2021). Game Edukasi VR Pengenalan Dan Pencegahan Virus Covid-19 Menggunakan Metode MDLC Untuk Anak Usia Dini. Jurnal Teknologi Dan Sistem Informasi, 2(2), 88–93.
Borman, R. I., Putra, Y. P., Fernando, Y., Kurniawan, D. E., Prasetyawan, P., & Ahmad, I. (2018). Designing an Android-based Space Travel Application Trough Virtual Reality for Teaching Media. 2018 International Conference on Applied Engineering (ICAE), 1–5.
Darwis, D., Siskawati, N., & Abidin, Z. (2021). Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg Nasional. Jurnal Tekno Kompak, 15(1), 131–145.
Ferdiana, R. (2020). A Systematic Literature Review of Intrusion Detection System for Network Security: Research Trends, Datasets and Methods. 2020 4th International Conference on Informatics and Computational Sciences (ICICoS), 1–6.
Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. Smatika Jurnal, 10(02), 71–76. https://doi.org/10.32664/smatika.v10i02.455
Firmansyah, M. A., Karlinah, S., & Sumartias, S. (2017). Kampanye Pilpres 2014 dalam Konstruksi Akun Twitter Pendukung Capres. Jurnal The Messenger, 9(1), 79. https://doi.org/10.26623/themessenger.v9i1.430
Gandhi, B. S., Megawaty, D. A., & Alita, D. (2021). Aplikasi Monitoring Dan Penentuan Peringkat Kelas Menggunakan Naïve Bayes Classifier. Jurnal Informatika Dan Rekayasa Perangkat Lunak, 2(1), 54–63.
Giovani, A. P., Ardiansyah, A., Haryanti, T., Kurniawati, L., & Gata, W. (2020). Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi. Jurnal Teknoinfo, 14(2), 115. https://doi.org/10.33365/jti.v14i2.679
Handoko, M. R., & Neneng, N. (2021). SISTEM PAKAR DIAGNOSA PENYAKIT SELAMA KEHAMILAN MENGGUNAKAN METODE NAIVE BAYES BERBASIS WEB. Jurnal Teknologi Dan Sistem Informasi, 2(1), 50–58.
Hendrastuty, N. (2021). Text Summarization in Multi Document Using Genetic Algorithm. 15(4), 327–338.
Hendrastuty, N., Rahman Isnain, A., & Yanti Rahmadhani, A. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. 6(3), 150–155. http://situs.com
Indrayuni, E. (2019). Klasifikasi Text Mining Review Produk Kosmetik Untuk Teks Bahasa Indonesia Menggunakan Algoritma Naive Bayes. Jurnal Khatulistiwa Informatika, 7(1), 29–36. https://doi.org/10.31294/jki.v7i1.1
Isnain, A. R., Hendrastuty, N., Andraini, L., Studi, P., Informasi, S., Indonesia, U. T., Informatika, P. S., Indonesia, U. T., Studi, P., Komputer, T., Indonesia, U. T., & Lampung, K. B. (2021). Comparison of Support Vector Machine and Naïve Bayes on Twitter Data Sentiment Analysis. 6(1), 56–60.
Isnain, A. R., Marga, N. S., & Alita, D. (n.d.). Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm. IJCCS (Indonesian Journal of Computing and Cybernetics Systems), 15(1), 55–64.
Kurniawan, I., & Susanto, A. (2019). Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019. Eksplora Informatika, 9(1), 1–10. https://doi.org/10.30864/eksplora.v9i1.237
Nabila, Z., Rahman Isnain, A., & Abidin, Z. (2021). Analisis Data Mining Untuk Clustering Kasus Covid-19 Di Provinsi Lampung Dengan Algoritma K-Means. Jurnal Teknologi Dan Sistem Informasi (JTSI), 2(2), 100. http://jim.teknokrat.ac.id/index.php/JTSI
Nasution, M. R. A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. Jurnal Informatika, 6(2), 226–235. https://doi.org/10.31311/ji.v6i2.5129
Neneng, N., Adi, K., & Isnanto, R. (2016). Support Vector Machine Untuk Klasifikasi Citra Jenis Daging Berdasarkan Tekstur Menggunakan Ekstraksi Ciri Gray Level Co-Occurrence Matrices (GLCM). JSINBIS (Jurnal Sistem Informasi Bisnis), 6(1), 1–10.
Neneng, N., Puspaningrum, A. S., & Aldino, A. A. (2021). Perbandingan Hasil Klasifikasi Jenis Daging Menggunakan Ekstraksi Ciri Tekstur Gray Level Co-occurrence Matrices (GLCM) Dan Local Binary Pattern (LBP). SMATIKA JURNAL, 11(01), 48–52.
Neneng, N., Puspaningrum, A. S., Lestari, F., & Pratiwi, D. (2021). SMA Tunas Mekar Indonesia Tangguh Bencana. Jurnal Pengabdian Masyarakat Indonesia, 1(6), 335–342. https://doi.org/10.52436/1.jpmi.61
Purwarianti, A. (2014). Rule based approach for text segmentation on Indonesian news article using named entity distribution. 2014 International Conference on Data and Software Engineering (ICODSE), 1–5.
Rachman, F. F., & Pramana, S. (2020). Analisis Sentimen Pro dan Kontra Masyarakat Indonesia tentang Vaksin COVID-19 pada Media Sosial Twitter. 8(2), 100–109.
Rahman Isnain, A., Indra Sakti, A., Alita, D., & Satya Marga, N. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jdmsi, 2(1), 31–37. https://t.co/NfhnfMjtXw
Redy Susanto, E., Admi Syarif, A. S., Muludi, K., & Wantoro, A. (2021). Peer Review: Implementation of Fuzzy-based Model for Prediction of Thalassemia Diseases.
Sengkey, D. F., Kambey, F. D., Lengkong, S. P., Joshua, S. R., & Kainde, H. V. F. (2020). Pemanfaatan Platform Pemrograman Daring dalam Pembelajaran Probabilitas dan Statistika di Masa Pandemi CoVID-19. Jurnal Informatika, 15(4), 217–224.
Setiawan, A., & Pasha, D. (2020). Sistem Pengolahan Data Penilaian Berbasis Web Menggunakan Metode Pieces (Studi Kasus : Badan Pengembangan Sumber Daya Manusia Provinsi Lampung). Jurnal Teknologi Dan Sistem Informasi (JTSI), 1(1), 97–104. http://jim.teknokrat.ac.id/index.php/sisteminformasi
Styawati, Andi Nurkholis, Zaenal Abidin, & Heni Sulistiani. (2021). Optimasi Parameter Support Vector Machine Berbasis Algoritma Firefly Pada Data Opini Film. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 5(5), 904–910. https://doi.org/10.29207/resti.v5i5.3380
Styawati, S., Hendrastuty, N., & Isnain, A. R. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150–155.
Styawati, S., Nurkholis, A., Aldino, A. A., Samsugi, S., Suryati, E., & Cahyono, R. P. (2022). Sentiment Analysis on Online Transportation Reviews Using Word2Vec Text Embedding Model Feature Extraction and Support Vector Machine (SVM) Algorithm. 2021 International Seminar on Machine Learning, Optimization, and Data Science (ISMODE), 163–167.
Sulistiani, H., Muludi, K., & Syarif, A. (2019). Implementation of Dynamic Mutual Information and Support Vector Machine for Customer Loyalty Classification. Journal of Physics: Conference Series, 1338(1). https://doi.org/10.1088/1742-6596/1338/1/012050
Sulistiyawati, A., & Supriyanto, E. (2021). Implementasi Algoritma K-means Clustring dalam Penetuan Siswa Kelas Unggulan. Jurnal Tekno Kompak, 15(2), 25. https://doi.org/10.33365/jtk.v15i2.1162
Susanto, E. R., & Puspaningrum, A. S. (2019). Rancang Bangun Rekomendasi Penerima Bantuan Sosial Berdasarkan Data Kesejahteraan Rakyat. 15(1), 1–12.
Wahyono, Wibowo, M. E., Ashari, A., & Putra, M. P. K. (2021). Improvement of Deep Learning-based Human Detection using Dynamic Thresholding for Intelligent Surveillance System. International Journal of Advanced Computer Science and Applications, 12(10), 472–477. https://doi.org/10.14569/IJACSA.2021.0121053
