Analisis Sentimen Pada Media Sosial Twitter Menggunakan Support Vector Machine (SVM) Terhadap Kata Kunci #TheLinkinJKT
Abstract
Abstrak — Pada penelitian ini dilakukan sentimen analisis terhadap tweetss terkait #TheLinkinJKT mengenai segi <Sistem
Ticketing= dan <Kepuasan Event= dengan kategori sentimen label positif dan negatif. Sentimen analisis dilakukan menggunakan
pendekatan Machine Learning dengan algoritma Support Vector
Machine (SVM). Terdapat 1.331 jumlah data keseluruhan pada <Sistem Ticketing= dengan 650 tweetss dengan label positif dan
705 tweetss dengan label negatif. Sedangkan pada <Kepuasan Event= terdapat 4.400 jumlah data keseluruhan dengan 1.995
dengan label positif dan 2.402 dengan label negatif, pelabelan data
dilakukan secara manual. Berdasarkan hasil analisis
menggunakan SVM, akurasi tertinggi pada <Sistem Ticketing=
dengan rasio split 70:30 sebesar 0,737 atau 73% dan akurasi
tertinggi pada <Kepuasan Event= dengan rasio split 80:20 sebesar
0,743 atau 74%. Adapun hasil evaluasi kinerja model
menggunakan K-Fold Cross Validation pada <Sistem Ticketing=
dengan hasil accuracy sebesar 0,74, precision sebesar 0,71, recall
sebesar 0,71 dan f1- score sebesar 0,71, sedangkan pada
<Kepuasan Event= hasil accuracy sebesar 0,74, precision sebesar
0,82, recall sebesar 0,57, dan f1-score sebesar 0,68. Hasil dari
analisis ini diharapkan dapat memberikan digunakan sebagai
feedback bagi pihak terkait untuk meningkatkan kualitas layanan
yang diberikan dari sisi sistem ticketing dan kepuasan konsumen
terhadap event yang diselenggarakan oleh pihak promotor
Dyandra Global Edutainment untuk acara-acara berikutnya.
Kata kunci— Analisis Sentimen, Support Vector Machine, Natural Language Processing
References
Elik Hari Muktafin, "Analisis Sentimen pada Ulasan
Pembelian Produk di Marketplace Shopee
Menggunakan Pendekatan Natural Language
Processing," Jurnal Eksplora Informatika, 2020.
Ardianne Luthfika Fairuz, "Analisis Sentimen
Masyarakat Terhadap COVID-19 Pada Media Sosial
Twitter," Jurnal Dinda, vol. 1, 2021.
Fitrah Rumaisa, "Penerapan Natural Language
Processing (NLP) Di Bidang Pendidikan," Jurnal
Inovasi Masyarakat, vol. 1, pp. 232-235, 2021.
Vincentius Riandaru Prasetyo, "Implementasi
Natural Language Processing Dalam Pembuatan
Chatbot Pada Program Information Technology
Universitas Surabaya," 2021.
S. Kevin Yudi, "Sentiment Analysis of Transjakarta
Based on Twitter using Convolutional Neural
Network," Advances in Science, Technology and
Engineering Systems Journal, vol. 4, pp. 281-286,
Mohammad Reza Faisal, "Text Mining Untuk
Pemula," Scripta Cendekia, 2022.
A. R. Hevner, "Design Science In Information
Systems Research," MIS Quarterly, vol. 28, 2004.
S. B. Somiya Rani, "Sentiment Analysis on Twitter
Data using Support Vector Machine," International
Journal of Scientific Research in Computer Science
Applications and Management Studies, vol. 7, no. 3, 2018.
T. Jo, "Text Mining Concepts, Implementation, and
Big Data Challenge," vol. 45, 2022.
Annisa Raudya Wibowo, "Analisis Sentimen
Hashtag
Informatika dan Sistem Informasi , vol. 1, 2020.
Agus Sasmito Aribowo, "Cross-domain sentiment
analysis model on Indonesian YouTube comment,"
International Journal of Advances in Intelligent
Informatics, vol. 1, pp. 12-25, 2021.
Ikhwanul Hakim, "Sentimen Analisis Stay Home
menggunakan metode klasifikasi Naive Bayes,
Support Vector Machine, dan k-Nearest Neighbor,"
Paradigma - Jurnal Informatika dan Komputer, vol.
, 2020.
Deni Gunawan, "Komparasi Algoritma Support
Vector Machine Dan Naive Bayes Dengan
Algoritma Genetika Pada Analisis Sentimen Calon
Gubernur Jabar 2018-2023," Jurnal Teknik
Komputer AMIK BSI , vol. VI, 2020.
Abdy Yoga Syantara, "Analisis Sentimen Pada
Media Sosial Twitter Menggunakan Naive Bayes
Classifier Terhadap Kata Kunci
<#Asiangames2018=," vol. 3, pp. 493-500, 2021.
Septian Andre Jeremy, "Analisis Sentimen Pengguna
Twitter Terhadap Polemik Persepakbolaan Indonesia
Menggunakan Pembobotan TF-IDF dan K-Nearest
Neighbor," Journal Of Intelligent Systems and Computation, 2019.
