HYBRID CNN-SVM UNTUK ANALISIS SENTIMEN KLUB TIM NASIONAL
DOI:
https://doi.org/10.23960/jitet.v13i3S1.7764Abstract Views: 38 File Views: 20
Keywords:
Analisis Sentimen, Hybrid CNN-SVM, Instagram, Tim Nasional Indonesia, Text Mining.Abstract
Media sosial dan kemajuan teknologi digital telah mengubah cara para penggemar mengekspresikan dukungan mereka kepada tim sepak bola, khususnya Tim Nasional Indonesia. Salah satu platform yang sering digunakan untuk mengekspresikan opini baik opini positif, negatif, maupun netral adalah Instagram. Tujuan dari penelitian ini adalah menerapkan teknik Hybrid CNN-SVM untuk menganalisis sentimen komentar pengguna pada unggahan akun Instagram resmi @timnasindonesia. Teknik ini menggabungkan kemampuan Support Vector Machines (SVM) untuk kategorisasi sentimen dengan Convolutional Neural Networks (CNN) untuk ekstraksi fitur. Untuk mengumpulkan data, 90 unggahan Instagram dari tanggal 18 Agustus 2023 hingga 16 November 2024, yang mencakup skenario menang, kalah, dan seri, di scrapping komentarnya. Sembilan ribu komentar dikumpulkan, dan mereka menjalani pra-pemrosesan, pelabelan, vektorisasi, pelatihan model, dan evaluasi kinerja dengan menggunakan metrik untuk akurasi, presisi, recall, dan F1-score. Bergantung pada rasio data pelatihan dan data uji, temuan evaluasi menunjukkan bahwa model tersebut bekerja pada kisaran akurasi 69% hingga 73%. Penelitian ini menunjukkan bahwa analisis sentimen pada data teks media sosial, terutama yang berkaitan dengan olahraga nasional, dapat dapat dikatakan kurang baik menggunakan pendekatan hibrida CNN-SVM
Downloads
References
A. M. Jon, “Analisis Sentimen Pada Media Sosial Instagram Klub Persija Jakarta Menggunakan Metode Naive Bayes,” Automata, vol. 958, pp. 1–8, 2022.
S. M. V. Raviya, K., “Deep CNN With SVM-Hybrid Model for Sentence-Based Document Level Sentiment Analysis Using Subjectivity Detection,” ICTACT J. Soft Comput., vol. 11, no. 03, pp. 2344–2352, 2021, doi: 10.21917/ijsc.2021.0335.
P. Aditiya, U. Enri, and I. Maulana, “Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 4, p. 1020, 2022, doi: 10.30865/jurikom.v9i4.4673.
S. Ahmad, A. M. Ridwan, and G. D. Setyawan, “Analisis Sentimen Product Tools & Home Menggunakan Metode Cnn Dan Lstm,” Teknokom, vol. 6, no. 2, pp. 133–140, 2023, doi: 10.31943/teknokom.v6i2.154.
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.
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, doi: 10.33480/pilar.v15i2.699.
A. F. Hidayatullah and R. A. N. Nayoan, “Analisis Sentimen Berbasis Fitur pada Ulasan Tempat Wisata Menggunakan Metode Convolutional Neural Network(CNN),” Univ. Islam Indones., no. 2019-12–04, pp. 1–7, 2019, [Online]. Available: www.cnet.com.
R. A. Tilasefana and R. E. Putra, “Penerapan Metode Deep Learning Menggunakan Algoritma CNN Dengan Arsitektur VGG NET Untuk Pengenalan Cuaca,” J. Informatics Comput. Sci., vol. 05, no. 1, pp. 48–57, 2023.
R. W. Pratiwi, S. F. H, D. Dairoh, D. I. Af’idah, Q. R. A, and A. G. F, “Analisis Sentimen Pada Review Skincare Female Daily Menggunakan Metode Support Vector Machine (SVM),” J. Informatics, Inf. Syst. Softw. Eng. Appl., vol. 4, no. 1, pp. 40–46, 2021, doi: 10.20895/inista.v4i1.387.
A. T. Ni’mah and A. Z. Arifin, “Perbandingan Metode Term Weighting terhadap Hasil Klasifikasi Teks pada Dataset Terjemahan Kitab Hadis,” Rekayasa, vol. 13, no. 2, pp. 172–180, 2020, doi: 10.21107/rekayasa.v13i2.6412.
S. Lestari and M. Febryanti, “Analisis Sentimen Mengenai Produk Inovasi Invisible Tv Menggunakan Algoritma Naïve Bayes Sentiment Analysis Using the Naïve Bayes Algorithm for Invisible Tv Innovation Product,” J. Inf. Technol. Comput. Sci., vol. 7, no. 5, 2024, [Online]. Available: https://databoks.katadata.co.id/
H. Harnelia, “Analisis Sentimen Review Skincare Skintific Dengan Algoritma Support Vector Machine (Svm),” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, 2024, doi: 10.23960/jitet.v12i2.4095.
R. C. Larasati, C. Dewi, and H. J. Christanto, “Analisis Sentimen Produk Kecantikan Jenis Moisturizer Di Twitter Menggunakan Algoritma Super Vector Machine,” J. Tek. Inf. dan Komput., vol. 7, no. 1, p. 124, 2024, doi: 10.37600/tekinkom.v7i1.1243.
A. Liawati, R. Narasati, D. Solihudin, C. Lukman Rohmat, and S. Eka Permana, “Analisis Sentimen Komentar Politik Di Media Sosial X Dengan Pendekataan Deep Learning,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3557–3563, 2024, doi: 10.36040/jati.v7i6.8248.
J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Jurnal Informatika dan Teknik Elektro Terapan
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
