Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter

Main Article Content

Fajar Sodik Pamungkas
Iqbal Kharisudin

Abstract

Pandemi Covid-19 sangat berdampak diberbagai sektor kehidupan masyarakat, keadaan yang memaksa masyarakat untuk melaksanaan physical distancing merubah pola hidup masyarakat. Hal tersebut membuat berbagai pendapat atau tanggapan masyarakat terhadap pandemi Covid-19 yang dituangkan dalam media sosial. Untuk mengetahui sentimen tanggapan masyarakat tersebut perlu dilakukan analisis sentimen dengan algoritma machine learning. Pada penelitian ini dilakukan analisis sentimen tanggapan masyarakat Indonesia terhadap pandemi Covid-19 pada media sosial Twitter menggunakan algoritma Support Vector Machine (SVM), Naive Bayes, dan K-Nearest Neighbor, yang kemudian ketiga algoritma tersebut dibandingkan mana yang paling baik untuk mengklasifikasikan data tanggapan.


Berdasarkan tingkat rata-rata akurasi dengan menggunakan evaluasi model 10-Fold Cross Validation, diperoleh kesimpulan bahwa algoritma SVM memiliki akurasi yang lebih tinggi daripada Naive Bayes dan KNN dengan rata-rata akurasinya sebesar 90,01% pada SVM dengan kernel linear, 79,20% pada Naive Bayes dengan jumlah laplace adalah 1, dan 62,10% pada KNN dengan jumlah K adalah 20 dan menggunakan kernel optimal.

Article Details

How to Cite
Pamungkas, F., & Kharisudin, I. (2021). Analisis Sentimen dengan SVM, NAIVE BAYES dan KNN untuk Studi Tanggapan Masyarakat Indonesia Terhadap Pandemi Covid-19 pada Media Sosial Twitter. PRISMA, Prosiding Seminar Nasional Matematika, 4, 628-634. Retrieved from https://journal.unnes.ac.id/sju/prisma/article/view/45038
Section
Articles

References

Alhajji, M., Khalifah, A. Al, Aljubran, M. J., & Alkhalifah, M. (2020). Sentiment analysis of tweets in Saudi Arabia regarding governmental preventive measures to contain COVID-19. (April). https://doi.org/10.20944/preprints202004.0031.v1
Darmanik, R. M. (2014). Pembangunan Aplikasi Pencarian Dokumen Menggunakan Text Mining Berbasis Web. Jurnal Universitas Atma Jaya Yogyakarta.
Fithriasari, K., Mayasari, R. W., Iriawan, N., & Winahju, W. S. (2020). Surabaya Government Performance Evaluation using Tweet Analysis. MATEMATIKA: MJIAM, 36(1), 31–42.
Huq, M. R., Ali, A., & Rahman, A. (2017). Sentiment Analysis on Twitter Data using KNN and SVM. International Journal of Advanced Computer Science and Applications, 8(6), 19–25.
Mardiana, T., Syahreva, H., & Tuslaela, T. (2019). Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter. Jurnal Pilar Nusa Mandiri, 15(2), 267–274. https://doi.org/10.33480/pilar.v15i2.752
Pang, B., & Lee, L. (2008). Opinion Mining and Sentiment Analysis. Foundation and Trends in Information Retrieval, 2. https://doi.org/10.3748/wjg.v22.i45.9898
Pratiwi, Y. R., & Widodo, E. D. Y. (2017). Comparison of Maximum Entropy and Support Vector Machine Methods for Sentiment Analysis of Pertalite Product Through Twitter Social Network. (12), 10–14.
Pitria, P.(2014) Analisis Sentimen Pengguna Twitter pada Akun Resmi Samsung Indonesia dengan Menggunakan Naive Bayes. Universitas Komputr Indonesia.
Purnamawan, I. K. (2015). Support Vector Machine pada Information Retrieval. Jurnal Pendidikan Teknologi Dan Kejuruan, 12, 173–180.
Qeis, M. I. (2015). Aplikasi Wordcloud Sebagai Alat Bantu Analisis Wacana. International Conference on Language, Culture, and Society - ICLCS LIPI, (November 2015). Retrieved from https://www.researchgate.net/publication/316736417_APLIKASI_WORDCLOUD_SEBAGAI_ALAT_BANTU_ANALISIS_WACANA
Santosa, B. (2007). Data Mining : Teknik Pemanfaatan Data untuk Keperluan Bisnis. Yogyakarta: Graha Ilmu.
Saputra, P. Y. (2017). Implementasi Teknik Crawling untuk Pengumpulan Data dari Media Sosial Twitter. Dinamika Dotcom, 8, 160–168.
Suprianto, S. (2020). Implementasi Algoritma Naive Bayes Untuk Menentukan Lokasi Strategis Dalam Membuka Usaha Menengah Ke Bawah di Kota Medan (Studi Kasus: Disperindag Kota Medan). Jurnal Sistem Komputer Dan Informatika (JSON), 1(2), 125. https://doi.org/10.30865/json.v1i2.1939
Suyanto. (2018). Machine Learning Tingkat Dasar dan Lanjut. Bandung: Informatika Bandung.
WHO. (2020). Pertanyaan dan jawaban terkait Coronavirus. Retrieved March 20, 2020, from WHO website: https://www.who.int/indonesia/news/novel-coronavirus/qa-for-public