SENTIMEN ANALISIS PUBLIK TERHADAP KEBIJAKAN LOCKDOWN PEMERINTAH JAKARTA MENGGUNAKAN ALGORITMA SVM

Auliya Rahman Isnain, Adam Indra Sakti, Debby Alita, Nurman Satya Marga

Abstract


Media sosial menjadikan masyarakat mengalami pergeseran perilaku baik budaya, etika dan norma yang ada, sehingga mereka dapat mengeluarkan opini-opini yang mereka miliki. Opini merupakan suatu pendapat dari pemikiran masayarakat mengenai suatu permasalahan yang sedang terjadi, saat ini Indonesia sedang dihadapkan oleh masalah mengenai virus Covid-19 yang memakan begitu banyak korban jiwa sehingga masyarakat mengeluarkan opini mereka mengenai virus tersebut dan kebijakan yang dilakukan pemerintah menghadapi virus tersebut.

Penelitian ini bertujuan untuk mengetahui bagaimana sentiment publik terhadap kebijakan yang akan dilakukan pemerintah mengenai kebijakan lockdown ataupun pembatasan sosial berskala besar menggunakan metode Support Vector Machine denga ekstraksi fitur tf-idf  dengan pengujian yang nantinya akan dilihat bagaimana nilai accuracy, precision, Recall dan F1-Score.

Penggunaan metode Support Vector Machine dan ekstraksi fitur dengan tf-idf yang membagi kelas menjadi sentiment positif 68,75% dan negative 31,25% menghasilkan nilai accuracy sebesar 74%, precision sebesar 75%, recall sebesar 92% dan F1-Score sebesar 83%.

Full Text:

PDF

References


A. S. Cahyono, “Anang Sugeng Cahyono, Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat di Indonesia,” pp. 140–157, 2016.

I. Alfina, R. Mulia, M. I. Fanany, and Y. Ekanata, “Hate Speech Detection in the Indonesian Language : A Dataset and Preliminary Study,” in 9th Int. Conf. Adv. Comput. Sci. Inf. Syst. (ICACSIS 2017), 2017, no. October.

S. Styawati and F. Ariany, “Sistem Monitoring Tumbuh Kembang Balita/Batita di Tengah Covid-19 Berbasis Mobile,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 490, 2021.

G. A. Buntoro and A. E. Purnamasari, “Sentiment Analysis Candidates of Indonesian Presiden 2014 with Five Class Sentiment Analysis Candidates of Indonesian Presiden 2014 with Five Class Attribute,” no. May, 2016.

A. Fathan Hidayatullah and A. Sn, “ISSN: 1979-2328 UPN "Veteran,” Semin. Nas. Inform., vol. 2014, no. semnasIF, pp. 115–122, 2014.

J. Weng, E. Lim, J. Jiang, H. I. Search, and R. Information, “TwitterRank : Finding Topic-sensitive Influential Twitterers,” pp. 261–270, 2010.

B. W. Sari and F. F. Haranto, “Implementasi Support Vector Machine Untuk Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Telkom Dan Biznet,” J. Pilar Nusa Mandiri, vol. 15, no. 2, pp. 171–176, 2019.

R. Feldman and J. Sanger, “Book Reviews,” 2007.

A. R. Isnain, N. S. Marga, and D. Alita, “Sentiment Analysis Of Government Policy On Corona Case Using Naive Bayes Algorithm,” vol. 15, no. 1, pp. 55–64, 2021.

J. Li and L. Qiu, “A Sentiment Analysis Method of Short Texts in Microblog,” 2017.

D. E. Ratnawati and A. W. Widodo, “Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Klasifikasi Penyakit Gigi Dan Mulut Menggunakan Metode Support Vector Machine,” no. January, 2018.

E. Susilowati, M. K. Sabariah, A. A. Gozali, J. T. Informatika, U. Telkom, and S. V. Machine, “IMPLEMENTASI METODE SUPPORT VECTOR MACHINE UNTUK MELAKUKAN KLASIFIKASI KEMACETAN LALU LINTAS PADA TWITTER IMPLEMENTATION SUPPORT VECTOR MACHINE METHOD FOR TRAFFIC JAM CLASSIFICATION ON TWITTER,” vol. 2, no. 1, pp. 1478–1484, 2015.

W. Purnami, A. M. Regresi, and L. Ordinal, “Perbandingan Klasifikasi Tingkat Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik Ordinal Dan Support Vector Machine ( SVM ),” vol. 1, no. 1, 2012.

A. Kowalczyk, Support Vector Machines Succinctly. Syncfusion Inc., 2017.

S. Styawati and K. Mustofa, “A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 219, 2019.




DOI: https://doi.org/10.33365/jdmsi.v2i1.1021

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Jurnal Data Mining dan Sistem Informasi

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Organized by: The S1 Information Systems Study Program, Faculty of Engineering and Computer Science

Published by: Universitas Teknokrat Indonesia

Website: https://ejurnal.teknokrat.ac.id/index.php/JDMSI

Email: jdmsi@teknokrat.ac.id

Address: ZA. Pagar Alam Street No. 9 -11, Labuhan Ratu, Bandar Lampung, Indonesia 35132

Creative Commons License
Jurnal Data Mining dan Sistem Informasi is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.