KOMPARASI ALGORITMA NAÏVE BAYES DAN SVM UNTUK ANALISIS SENTIMEN TWITTER KORUPSI BANSOS BERAS MASA PANDEMI
DOI:
https://doi.org/10.23960/jitet.v12i2.4020Abstract Views: 770 File Views: 645
Abstract
Ketidakpercayaan pemerintah terhadap pihak-pihak terkait efisiensi distribusi dan pemanfaatan kebutuhan pangan masyarakat terbukti dengan adanya isu, kemungkinan korupsi kebutuhan pangan di masa pandemi Covid-19 seperti dilansir media online. Namun seiring berjalannya waktu, media sosial telah menjadi tempat yang lebih mudah diakses oleh masyarakat untuk menelusuri dan belajar. Masyarakat kini dapat berbagi ide dan informasi dengan publik tanpa dibatasi oleh waktu atau lokasi. Salah satu platform media sosial adalah Twitter. Pandangan-pandangan tersebut ditampung melalui media sebagai sebuah forum. Cara mencegah korupsi di Twitter, peneliti menggunakan analisis sentimen pada bidang data mining Korupsi Bansos Beras pada Masa Pandemi. Analisis data melibatkan pra-pemrosesan untuk membersihkan data, membobotkan kata-kata, mengklasifikasikan data ke dalam kelompok positif dan negatif, serta mengklasifikasikan dan memvisualisasikan data menggunakan matriks confusi. Naive Bayes dan Support Vector Machine merupakan dua metode yang digunakan dalam penelitian ini, dengan nilai akurasi yang dihitung masing-masing sebesar 60,61% dan 66,67%. Metode Support Vector Machine menghasilkan nilai akurasi yang lebih tinggi antara kedua pendekatan tersebut, sedangkan hasil analisis sentimen menunjukkan 41,21% data positif dan 58,79% data negatif.
Keywords:
Algoritma Naïve Bayes;
Algoritma SVM;
Korupsi.
Downloads
References
Wahidah Anna, Widayani Anna, Wardhani Shanti, Rachmawati Ika, & Latifah Nunuk. (n.d.). PROSEDUR PENYALURAN BANTUAN SOSIAL DI ERA PANDEMI COVID-19 PADA DINAS SOSIAL KABUPATEN BLITAR.
Dzaky Muttaqien, D., & Peter Hartono, P. (2022). Implementasi Support Vector Machine pada Analisis Sentimen mengenai Bantuan Sosial di Era Pandemi Covid-19 pada Pengguna Twitter (Vol. 6, Issue 1). http://j-ptiik.ub.ac.id
Fitriadin, A., & Sidiq Purnomo, A. (2023). Analisis Sentimen Masyarakat Terhadap Pandemi Covid-19 Pada Sosial Media Menggunakan Naïve Bayes Clasifier. In Informatics Journal (Vol. 8, Issue 1). https://t.co/tyiihzge1l
Gifari, O. I., Adha, M., Rifky Hendrawan, I., Freddy, F., & Durrand, S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. JIFOTECH (JOURNAL OF INFORMATION TECHNOLOGY, 2(1).
Guswandri, A., Andraini, L., Akutansi, S. I., & Komputer, T. (n.d.). Menerapkan Analisis Sentimen Metode Naïve Bayes dan svm (Vol. 2, Issue 11).
Homepage, J., Algoritma Klasifikasi untuk Analisis Sentimen, P., Ditendra, E., Romelah, S., Habil Arsyiddik Tanjung, M., & Sarah, M. (2022). MALCOM: Indonesian Journal of Machine Learning and Computer Science Comparison of Classification Algorithms for Sentiment Analysis of Islam Nusantara in Indonesia. 2, 71–77.
Khatib Sulaiman, J., Agung Nurcahyo, J., Bayu Sasongko, T., Amikom Yogyakarta, U., & Kunci, K. (n.d.). Hyperparameter Tuning Algoritma Supervised Learning untuk Klasifikasi Keluarga Penerima Bantuan Pangan Beras. Indonesian Journal of Computer Science.
Mengutip, C., Kekuasaan dalam Tindakan Korupsi Bantuan Sosial oleh Pejabat Publik Perspektif Max Weber, P., Ardila, I., Annisa Fauziah, D., Ryanda Putri, K., Firnanda, A., Agus Hardiansyah, M., Sosiologi, P., & Sultan Ageng Tirtayasa, U. (n.d.). Penyalahgunaan Kekuasaan dalam Tindakan Korupsi Bantuan Sosial oleh Pejabat Publik Perspektif Max Weber. Jurnal Ilmiah Ilmu Sosial Dan Ilmu Politik, 13(2), 222–234. https://doi.org/10.33366/rfr.v%vi%i.4029
Petiwi, M. I., Triayudi, A., & Sholihati, I. D. (2022). Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine. JURNAL MEDIA INFORMATIKA BUDIDARMA, 6(1), 542. https://doi.org/10.30865/mib.v6i1.3530
Raharjo, R. A., Made, I., Sunarya, G., Gede, D., & Divayana, H. (2022). Perbandingan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Kasus Analisis Sentimen Terhadap Data Vaksin Covid-19 Di Twitter. 15(2), 456–464. http://journal.stekom.ac.id/index.php/elkompage456
Rinestu, M., Made Indra, I. P., Marsanto, B., & Trisakti, S. (2022). Classification Of Investment Decisions During Covid-19 Pandemic Using Naive Bayes Klasifikasi Keputusan Investasi Di Masa Pandemi Covid-19 Dengan Menggunakan Naive Bayes. In Management Studies and Entrepreneurship Journal (Vol. 3, Issue 4). http://journal.yrpipku.com/index.php/msej
Rosari, M. A., Wasino, ), & Tony, ). (n.d.). ANALISIS SENTIMEN TANGGAPAN MASYARAKAT TERHADAPBANTUAN SOSIALPEMERINTAH DI MASA PANDEMI COVID-19 PADA PLATFORM TWITTER.
Sains Teknologi, C., Pakpahan, S., Manullang, A., & kunci, K. (2022). Analisis Sentimen Integritas KPK Tahun 2021 Pencegahan Korupsi pada Twitter KPK menggunakan Metode K-Nearest Neighbor dan Naive Bayes A B S T R A K Sejarah artikel. 2(1), 63–73.
Sujadi, H. (2022). ANALISIS SENTIMEN PENGGUNA MEDIA SOSIAL TWITTER TERHADAP WABAH COVID-19 DENGAN METODE NAIVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE. INFOTECH Journal, 8(1), 22–27. https://doi.org/10.31949/infotech.v8i1.1883
Sulaeman, K. R. (n.d.). Analisis Algoritma Support Vector Machine Dalam Klasifikasi Penyakit Stroke Support Vector Machine Algorithm Analysis In Stroke Disease Classification.
Wati, R., Ernawati, S., & Rachmi, H. (2023). Pembobotan TF-IDF Menggunakan Naïve Bayes pada Sentimen Masyarakat Mengenai Isu Kenaikan BIPIH. Jurnal Manajemen Informatika (JAMIKA), 13(1), 84–93. https://doi.org/10.34010/jamika.v13i1.9424
