ANALISIS SENTIMEN TERHADAP KARAPAN SAPI DI   TWITTER MENGGUNAKAN METODE K-MEANS DAN SUPPORT VECTOR MACHINE (SVM)

Zalzabila Rani; Bain Khusnul Khotimah

doi:10.23960/jitet.v13i1.5685

Zalzabila Rani
Universitas Trunojoyo Madura
Bain Khusnul Khotimah
Universitas Trunojoyo Madura

DOI: https://doi.org/10.23960/jitet.v13i1.5685

Abstract Views (Last 12 Months)

391 Abstract Views

504 Downloads

Abstract

Perkembangan teknologi dan internet telah mengubah cara komunikasi masyarakat, dengan media sosial menjadi platform utama. Twitter, yang memiliki 18,45 juta pengguna di Indonesia pada tahun 2022, digunakan dalam penelitian ini untuk menganalisis sentimen publik terkait Karapan Sapi, kompetisi balap sapi tradisional di Madura. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik terhadap Karapan Sapi, menyebarkan efektivitas kombinasi metode K-Means dan Support Vector Machine (SVM), serta menerapkan Synthetic Minority Oversampling Technique (SMOTE) untuk menangani ke regresi data. Sebanyak 647 ulasan Twitter berbahasa Indonesia dikumpulkan melalui crawling berbasis Python dan diproses menggunakan text preprocessing. Metode K-Means mengelompokkan ulasan menjadi tiga cluster: aspek budaya Karapan Sapi, olahraga tradisional, dan keterkaitan dengan pihak militer atau pemerintah. SMOTE menyelesaikan keseimbangan sentimen data, meningkatkan kinerja model pembelajaran mesin pada kelas minoritas. Model SVM dengan parameter optimal (kernel linear, C=1.0, gamma=1.0) menghasilkan akurasi 92%, meskipun masih menunjukkan ketelitian performa antar kelas. Penelitian ini membuktikan efektivitas kombinasi K-Means dan SVM, serta pentingnya SMOTE dalam analisis sentimen berbasis Twitter, khususnya untuk budaya lokal seperti Karapan Sapi.

Downloads

Download data is not yet available.

References

M. Fachriza and H. Artikel, “Analisis Sentimen Kalimat Depresi Pada Pengguna Twitter Dengan Naive Bayes, Support Vector Machine, Random Forest,” 2023. [Online]. Available: http://studentjournal.umpo.ac.id/index.php/komputek

H. Fauzuna, “Makna Simbol Pada Upacara Kerapan Sapi Di Waru Pamekasan (Analisa Semiotika Roland Barthes)”.

W. Maulana Baihaqi, M. Pinilih, and M. Rohmah, “KOMBINASI K-MEANS DAN SUPPORT VECTOR MACHINE (SVM) UNTUK MEMPREDIKSI UNSUR SARA PADA TWEET,” vol. 7, no. 3, 2020, doi: 10.25126/jtiik.202072126.

R. Hermansyah and R. Sarno, “Sentiment analysis about product and service evaluation of pt telekomunikasi Indonesia tbk from tweets using textblob, naive bayes & K-NN Method,” in Proceedings - 2020 International Seminar on Application for Technology of Information and Communication: IT Challenges for Sustainability, Scalability, and Security in the Age of Digital Disruption, iSemantic 2020, Institute of Electrical and Electronics Engineers Inc., Sep. 2020, pp. 511–516. doi: 10.1109/iSemantic50169.2020.9234238.

S. Lestari, S. Saepudin, P. Studi, S. Informasi, F. Sains, and D. Teknologi, “Support Vector Machine: Analisis Sentimen Aplikasi Saham di Google Play Store,” vol. 7, no. 2, pp. 81–90.

F. S. Pamungkas and I. Kharisudin, “Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter,” vol. 4, pp. 628–634, 2021, [Online]. Available: https://journal.unnes.ac.id/sju/index.php/prisma/

J. Teknik Komputer AMIK BSI, B. Rifai, S. Vambudi, R. Maulana, and F. Teknologi, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis Smote,” vol. 8, no. 2, 2022, doi: 10.31294/jtk.v4i2.

H. Harnelia, “ANALISIS SENTIMEN REVIEW SKINCARE SKINTIFIC DENGAN ALGORITMA SUPPORT VECTOR MACHINE (SVM),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 12, no. 2, Apr. 2024, doi: 10.23960/jitet.v12i2.4095.

Z. Ulfah Siregar, R. Ruli, A. Siregar, and R. Arianto, “KLASIFIKASI SENTIMENT ANALYSIS PADA KOMENTAR PESERTA DIKLAT MENGGUNAKAN METODE K-NEAREST NEIGHBOR,” vol. 8, no. 1, 2019.

L. Ardiani, H. Sujaini, and T. Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” Jurnal Sistem dan Teknologi Informasi (Justin), vol. 8, no. 2, p. 183, Apr. 2020, doi: 10.26418/justin.v8i2.36776.

M. Nishom and D. S. Wibowo, “Implementasi Metode K-Means berbasis Chi-Square pada Sistem Pendukung Keputusan untuk Identifikasi Disparitas Kebutuhan Guru,” JURNAL SISTEM INFORMASI BISNIS, vol. 8, no. 2, p. 187, Nov. 2018, doi: 10.21456/vol8iss2pp187-194.

L. Luthfiana, J. Young Christian, and Rusli Andre, “Implementasi Algoritma Support Vector Machine dan Chi Square untuk Analisis Sentimen User Feedback Aplikasi,” Nov. 2020.