Penerapan Algoritma Support Vector Machine Untuk Analisis Sentimen Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat

Jovan  Pangestu; Yana  Cahyana; Hilda  Novita

Jovan Aditya Pangestu
Yana Cahyana
Hilda Yulia Novita

Keywords: analisis sentimen, PPKM, Twitter

Abstract

Pandemi virus Corona yang menyerang Indonesia membuat pemerintah Indonesia menerapkan kebijakan-kebijakan. Salah satu kebijakan yang dibuat oleh pemerintah Indonesia adalah kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat atau yang biasa disebut sebagai PPKM. Tujuan dari kebijakan tersebut adalah untuk mengurangi angka virus Corona. Akan tetapi dalam menerapkan kebijakannya tersebut menimbulkan kontroversial sehingga mengundang banyak kalangan untuk memberikan opininya terhadap kebijakan yang diterapkan pemerintah Indonesia. Keterbatasan tempat membuat masyarakat sulit memberikan opininya sehingga media sosial dipilih sebagai tempat untuk menyampaikan opininya. Salah satu media sosial yang digunakan untuk menyampaikan opininya adalah Twitter. Masyarakat dalam memberikan opininya belum diketahui sentimen tersebut apakah positif atau negatif. Dalam penelitian ini algoritma Support Vector Machine (SVM) dipilih untuk melakukan analisa sentimen atau klasifikasi terhadap kebijakan PPKM. Berdasarkan penelitian yang telah dilakukan bahwa algoritma SVM dengan menggunakan 17.281 yang dibagi menjadi 80% untuk ada training dan 20% data test mendapatkan mayoritas sentimen positif. Evaluasi yang dilakukan dengan menggunakan Confusion Matrix memperoleh hasil akurasi sebesar 89.58%, recall sebesar 86.73%, dan precision 86.85% yang artinya hasil tersebut baik

References

[1] Y. S. Mahardhika and E. Zuliarso, “Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier,” Prosiding SINTAK 2018, vol. 2, no. 2018, pp. 409–413, 2018
[2] A. F. Niasita, P. P. Adikara, and S. Adinugroho, “Analisis Sentimen Pembangunan Infrastruktur di Indonesia dengan Automated Lexicon Word2Vec dan Naive-Bayes,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, pp. 2673–2678, 2019, [Online]. Available: http://j ptiik.ub.ac.id
[3] T. A. Prasetiarini, I. Ernawati, and N. Chamidah, “Analisis Sentimen Media Sosial Twitter Terhadap Maskapai Penerbangan PT Garuda Indonesia (Persero) Tbk Menggunakan Metode Support Vector Machine (SVM),” Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), vol. 1, no. 2, pp. 637–646, 2020.
[4] D. S. Utami and A. Erfina, “Analisis Sentimen Pinjaman Online di Twitter Menggunakan Algoritma Support Vector Machine (SVM),” SISMATIK (Seminar Nasional Sistem Informasi dan Manajemen Informatika), vol. 1, no. 1, pp. 299–305, 2021.
[5] Riyanto and A. Azis, “Application of the Vector Machine Support Method in Twitter Social Media Sentiment Analysis Regarding the Covid-19 Vaccine Issue in Indonesia,” Journal of Applied Data Sciences, vol. 2, no. 3, pp. 102–108, 2021.
[6] S. Rahmawati Hakim, M. Alfa Rizki, N. Fitri, Y. A. Rizkie, and R. Nooraeni, “Analisis Sentimen Pengguna Instagram Terhadap Kebijakan Kemdikbud Mengenai Bantuan Kuota Internet dengan Metode Support Vector Machine (SVM),” Jurnal Matematika dan Statistika serta Aplikasinya, vol. 8, no. 2, pp. 15–25, 2020.
[7] A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” JDMSI, vol. 2, no. 1, pp. 31–37, 2021, [Online]. Available: https://t.co/NfhnfMjtXw.