Perbandingan Algoritma Cnn Dan Svm Untuk Analisis Sentimen Mengenai Kenaikan Harga Bahan Bakar Minyak

Penulis

Abstrak

Opini-opini maupun keluhan masyarakat yang disampaikan melalui tweet dapat diolah untuk mengetahui sentimen yang ada di dalam tweet tersebut. Pada penelitian ini dilakukan analisis sentimen menggunakan machine learning. Penggunaan machine learning ini dapat mempermudah saat pengambilan data dan pemrosesan data, yang tidak memerlukan banyak waktu dan biaya. Proses klasifikasi data tweet yang dilakukan dalam penelitian ini yaitu data yang mengandung sentimen positif dan sentimen negatif mengenai kebijakan pemerintah yaitu kenaikan harga bahan bakar minyak (BBM). Metode klasifikasi yang digunakan untuk penelitian ini menggunakan Convolutional Neural Network (CNN) dan Support Vector Machine (SVM). Untuk pengambilan data tweet menggunakan metode crawling. Hasil yang didapatkan dari penelitian dengan melakukan evaluasi menggunakan Confusion Matrix mendapatkan bahwa algoritma SVM mendapatkan nilai akurasi yang cukup tinggi sebesar 85% dengan menggunakan max features 510 dan rasio 80:20 dibandingkan dengan algoritma CNN yang memiliki nilai akurasi tertingginya di angka 74% menggunakan nilai max features 300 dan rasio 80:20. Untuk nilai penggunaan cross fold validation CNN mendapatkan nilai rata-rata akurasi tertingginya 78% dengan k=10 sedangkan SVM 87%.

Kata Kunci: analisis sentimen, pembelajaran mesin, CNN, SVM, twitter, sosial media

Unduhan

Data unduhan tidak tersedia.

Referensi

Coletta, L.F.S.=Combining Classification and Clustering for Tweet Sentiment Analysis=, 2014. Brazilian Conference on Intelligent Systems. IEEE, pp.210-215

Prasetiarini, T.A., Ermawati, I. & Chamidah, N.

Metode Support Vector Machine(SVM)(Studi Kasus: maskapai Penerbangan PT Garuda Indonesia (PERSERO)TBK)=,2020.

Mp. Dosen Fakultas Ilmu Tarbiyah dan Keguruan UIN Maulana Malik Ibrahim Malang, "PEMAPARAN METODE PENELITIAN KUALITATIF," 2017.

Luqyana, W.A., Cholissodin, I. & Perdana, R.S.

Britz, D.

Santoso, V.I., Virginia, G. & Lukiko, Y.

Wibowo, B.A.

Saragih, P.S., Witarsyah, D. & hamami, F.

Nasukawa, T. & Yi, J.

Nugroho, A.S.

Educatio, Culture, Sports, Science and Technology. Nagoya Inst of Technology, Japan.

Mayer, D.

Yuliska., Hidayatul, D., Lubis, J.H., Syaliman, K.U. & Najwa N.F. < Analisis Sentimen pada Data Mahasiswa

Terhadap kinerja Departemen Di perguruan Tinggi

Menggunakan Convolutional Neural Network=, 2021. Jurnal teknologi Informasi dan Ilmu Komputer (JTIIK), Vol. 8, no 5.

Kim, Y.

Giummole, F., Orlando, S. & Tolomei.

Topics on Twitter Improve the Prediction of Google Hot

Queries=,2013. International Conference on Social

Computing. IEEE,pp. 39-44

Sartini.

Diterbitkan

2023-12-01

Terbitan

Pages

5418-5422

Bagian

Program Studi S1 Informatika

Cara Mengutip

Ahmad Y, R. A. Y., & Muslim L, K. (2023). Perbandingan Algoritma Cnn Dan Svm Untuk Analisis Sentimen Mengenai Kenaikan Harga Bahan Bakar Minyak. eProceedings of Engineering, 10(6), 5418-5422. https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/21641