Mapping Respon Publik Terhadap Kebijakan Gubernur DKI Jakarta Dalam Penanganan COVID-19 Dengan Teknik Analysis Sentiment Menggunakan Support Vector Machine
Total View This Week0
Total View This Week0
Institusion
Universitas Muhammadiyah Jember
Author
Maulida, Riska Nur
Subject
000 Computer Science, Information, & General Works
Datestamp
2021-11-18 05:55:20
Abstract :
Sejak wabah virus corona atau biasa disebut COVID-19 merebak ke seluruh dunia terumata di Indonesia, Gubernur DKI Jakarta mengeluarkan beberapa kebijakan menangani penyebaran COVID-19. Namun kebijakan tersebut menjadi perbincangan di media sosial seperti Youtube. Melalui interaksi penonton pada kolom komentar banyak yang memberikan komentar bersentimen positif maupun negatif maka dilakukan klasifikasi respon penonton dengan teknik sentiment analysis komentar untuk mengetahui sentimen mana yang termasuk positif, negatif dan netral dari setiap komentar. Pada penelitian ini data diambil dari komentar video berita. Metode yang digunakan adalah Support Vector Machine dan fitur seleksi Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berjumlah 945 data komentar berbahasa Indonesia dengan perbandingan 80% data training dan 20% data testing. Hasil akurasi terbaik diperoleh dengan menggunakan tambahan stoplist pada tahap preprocessing setelah dilakukan optimasi parameter kernel RBF nilai akurasi sebesar 64%, nilai precision 63%, nilai recall 58,33%, dan nilai F1 Score 58.33%. Kata Kunci: Youtube, Sentiment Analysis, TF-IDF, Support Vector Machine
Sejak wabah virus corona atau biasa disebut COVID-19 merebak ke seluruh dunia terumata di Indonesia, Gubernur DKI Jakarta mengeluarkan beberapa kebijakan menangani penyebaran COVID-19. Namun kebijakan tersebut menjadi perbincangan di media sosial seperti Youtube. Melalui interaksi penonton pada kolom komentar banyak yang memberikan komentar bersentimen positif maupun negatif maka dilakukan klasifikasi respon penonton dengan teknik sentiment analysis komentar untuk mengetahui sentimen mana yang termasuk positif, negatif dan netral dari setiap komentar. Pada penelitian ini data diambil dari komentar video berita. Metode yang digunakan adalah Support Vector Machine dan fitur seleksi Term Frequency-Inverse Document Frequency (TF-IDF). Data yang digunakan berjumlah 945 data komentar berbahasa Indonesia dengan perbandingan 80% data training dan 20% data testing. Hasil akurasi terbaik diperoleh dengan menggunakan tambahan stoplist pada tahap preprocessing setelah dilakukan optimasi parameter kernel RBF nilai akurasi sebesar 64%, nilai precision 63%, nilai recall 58,33%, dan nilai F1 Score 58.33%. Kata Kunci: Youtube, Sentiment Analysis, TF-IDF, Support Vector Machine
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
