ANALISIS SENTIMEN KINERJA PEMERINTAHAN MENGGUNAKAN ALGORITMA NBC, KNN, DAN SVM
Abstract
Pemerintahan Republik Indonesia saat ini tidak lepas dari opini publik. Beberapa lembaga survei nasional melalukan survei terhadap masyarakat Indonesia dan mendapati bahwa ada pro-kontra terhadap kinerja pemerintahan saat ini. Pro-kontra tersebut dituangkan melalui media sosial, salah satunya melalui Twitter. Tujuan penelitian ini adalah untuk mengklasifikasi sentimen masyarakat Indonesia mengenai kinerja pemerintahan saat ini menggunakan data Twitter. Data berjumlah 5.874 tweet yang diambil pada 13 Februari 2022 - 14 Maret 2022. Opini masyarakat diberikan label sentimen positif dan negatif dengan metode analisis VADER kemudian dianalisis menggunakan algoritma NBC, KNN, dan SVM. Hasil analisis menunjukkan bahwa SVM dengan kernel linier merupakan algoritma terbaik untuk penelitian ini dengan nilai akurasi sebesar 85,47%, nilai presisi sebesar 89,34%, nilai recall sebesar 90,34%, dan nilai F1-score sebesar 89,83%.
Kata Kunci: Analisis Sentimen, Twitter, NBC, KNN, SVM
The current government of the Republic of Indonesia was inseparable from public opinion. Several national survey institutions conducted surveys of Indonesian society and found that there were pros and cons to the current government's performance. The pros and cons were outlined through social media, one of which was via Twitter. The purpose of this research was to classify the sentiments of the Indonesian people regarding the current government's performance using Twitter data. The data totaled 5,874 tweets taken on February 13, 2022 - March 14, 2022. Public opinion was labeled positive and negative sentiment using the VADER analysis method and then analyzed using the NBC, KNN, and SVM algorithms. The results of the analysis showed that SVM with linear kernel was the best algorithm for this study with an accuracy value of 85.47%, a precision value of 89.34%, a recall value of 90.34%, and an F1-score value of 89.83%.
Keywords: Sentiment Analysis, Twitter, NBC, KNN, SVM
Full Text:
PDFReferences
Amri, S. (2022). 2 Tahun Kinerja Pemerintahan Joko Widodo-M'aruf Amin Dibedah Lewat Survei
Nasional, Ini Hasilnya. https://tanggamus.pikiran-rakyat.com/politika/pr2043431060/2-tahun-kinerja-pemerintahan-Joko Widodo-maruf-amin-dibedahlewat-survei-nasional-ini-hasilnya. Diakses tanggal 31 Januari 2022
Nurita, D., dan Wibowo, E. A. (2021). Survei IPO: Kepuasan Publik Akan Kinerja Joko Widodo
Menurun. https://nasional.tempo.co/read/1535671/survei-ipo-kepuasan-publikakan-kinerja-Joko Widodo-menurun. Diakses tanggal 31 Januari 2022.
Riyanto, A. D. (2021). Hootsuite (We are Social): Indonesian Digital Report 2021.
https://andi.link/hootsuite-we-are-social-indonesian-digital-report-2021/. Diakses
tanggal 2 Februari 2022
Anggraini, N., dan Suroyo, H. (2019). Comparison of Sentiment Analysis against Digital
Payment “T-cash and Go-pay” in Social Media Using Orange Data Mining. Journal
of Information Systems and Informatics, 1(2), 152-163.
Pamungkas, F. S., dan Kharisudin, I. (2021). Analisis Sentimen dengan SVM, NAIVE
BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi
Covid-19 pada Media Sosial Twitter. In PRISMA, Prosiding Seminar Nasional
Matematika (Vol. 4, pp. 628-634).
Putranti, N.D. dan Winarko, E. (2014). Analisis Sentimen Twitter untuk Teks Berbahasa
Indonesia dengan Maximum Entropy dan Support Vector Machine. IJCCS
(Indonesian Journal Computing and Cybernatics System), 8(1), 91-100.
Lorosae, T. A., Prakoso, B. D., Saifudin, S., dan Kusrin, K. (2018). Analisis Sentimen
Berdasarkan Opini Masyarakat pada Twitter Menggunakan Naive Bayes. Seminar
Nasional Teknologi Informasi & Multimedia Online, 6(1). pp.1-10.
Kurnia, F., Kurniawan, J., Fahmi, I., dan Monalisa, S. (2019). Klasifikasi Keluarga Miskin
Menggunakan Metode K-Nearest Neighbors Berbasis Euclidean Distance. Seminar
Nasional Teknologi Informasi, Komunikasi, dan Industri (SNTKII), 11(1): Hal. 230 – 239.
Saifinnuha, A. Z. (2015). Penerapan Sentimen Analisis Pada Twitter Berbahasa Indonesia
untuk Mendapatkan Rating Program Televisi Menggunakan Metode Support Vector
Machine. Jurnal Fakultas Matematika dan Ilmu Pengetahuan Alam. Universitas
Brawijaya: Malang
DOI: http://dx.doi.org/10.31000/sinamu.v4i1.7869
Article Metrics
Abstract - 816 PDF - 882DOI (PDF): http://dx.doi.org/10.31000/sinamu.v4i1.7869.g3908
Refbacks
- There are currently no refbacks.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Simposium Nasional Multidisiplin (SinaMu) is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License .
