Analisis sentimen kenaikan harga kebutuhan pokok dimedia sosial youtube menggunakan algoritma support vector machine

Rudy Asrianto; Melda  Herwinanda

doi:10.37859/coscitech.v3i3.4368

Rudy Asrianto Universitas Muhammadiyah Riau
Melda Herwinanda universitas muhammadiyah riau

https://doi.org/10.37859/coscitech.v3i3.4368

Abstract

Kebebasan setiap orang dalam mengemukakan pendapat, tercurahkan dalam suatu wadah yang sekarang ini disebut sebagai media sosial. Youtube merupakan media sosial berbasis web streaming video atau situs untuk mengunggah dan menonton video. Memasuki pekan kedua bulan Januari tahun 2022, terjadi kenaikan harga bahan kebutuhan pokok diumumkan dibeberapa media berita online. Didalam forum diskusi channel media sosial Youtube telah dibahas mengenai survei kepuasan masyarakat, terhadap kepemimpinan presiden Jokowi-Ma`ruf Amin yang memperoleh nilai tingkat kepuasan 66-73 %. Diluar sana masyarakat umum merasa tidak puas karena kenaikan harga, dan mempertanyakan hasil survei tersebut dan kepada siapa survei tersebut dilakukan. Konten video ini mendapatkan jumlah viewers atau penonton sebanyak ratusan ribu hingga jutaan lebih, dan dibanjiri hingga puluhan ribu komentar oleh netizen. Penelitian ini menggunakan algoritma Support Vector Machine dalam mengklasifikasikan label komentar positif dan label komentar negatif, serta menggunakan teknik penyeimbangan jumlah label pada data yaitu SMOTE. Dari pengujian keempat model klasifikasi SVM, didapatkan SVM linear dengan SMOTE mendapatkan tingkat keakuratan terbaik dengan nilai akurasi tertinggi, yaitu 86.33%, diikuti dengan nilai presisi 75%, nilai recall 66.67%, dan nilai f1-score 70.59%. Pengujian juga dilakukan pada data validasi (data uji baru diluar dari dataset), didapatkan nilai akurasi 72%.

Downloads

Download data is not yet available.

References

Journal), vol. 13, no. 3, pp. 141–148, 2021.

H. Tuhuteru, “Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine,” Inf. Syst. Dev., vol. 5, no. 2, pp. 7–13, 2020.

P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 147, 2021.

I. Subagyo, L. D. Yulianto, W. Permadi, and A. W. Dewantara, “Sentiment Analisis Review Film Di IMDB Menggunakan Algoritma SVM,” e-Jurnal JUSITI (Jurnal Sist. Inf. dan Teknol. Informasi), vol. 8–1, no. 1, pp. 47–56, 2019.

N. L. P. C. Savitri, R. A. Rahman, R. Venyutzky, and N. A. Rakhmawati, “Analisis Klasifikasi Sentimen Terhadap Sekolah Daring pada Twitter Menggunakan Supervised Machine Learning,” J. Tek. Inform. dan Sist. Inf., vol. 7, no. 1, pp. 47–58, 2021.

C. Cahyaningtyas, Y. Nataliani, and I. R. Widiasari, “Analisis Sentimen pada Rating Aplikasi Shopee Menggunakan Metode Decision Tree Berbasis SMOTE,” AITI J. Teknol. Inf., vol. 18, no. 2, pp. 173–184, 2021.

Andreyestha and Q. N. Azizah, “Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang Menggunakan Algoritma SMOTE,” Infotek J. Inform. dan Teknol., vol. 5, no. 1, pp. 108–116, 2022.

A. N. Kasanah, M. Muladi, and U. Pujianto, “Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 2, pp. 196–201, 2019.

D. S. Utami and A. Erfina, “Analisis Sentimen Objek Wisata Bali Di Google Maps Menggunakan Algoritma Naive Bayes,” J. Sains Komput. Inform., vol. 6, no. 1, pp. 418–427, 2022.

M. O. Ibrohim and I. Budi, “Multi-label Hate Speech and Abusive Language Detection in Indonesian Twitter,” Proc. ofthe Third Work. Abus. Lang. Online, pp. 46–57, 2019.

A. Rahman Isnain, A. Indra Sakti, D. Alita, and N. Satya Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” JDMSI (Jurnal Data Min. dan Sist. Informasi), vol. 2, no. 1, pp. 31–37, 2021.

F. N. Rozi and D. H. Sulistyawati, “Klasifikasi Berita Hoax Pilpres Menggunakan Metode Modified K-Nearest Neighbor Dan Pembobotan Menggunakan TF-IDF,” J. Konvergensi, vol. 15, no. 1, pp. 1–10, 2019.

D. A. Lionovan, L. W. Santoso, and R. Intan, “Klasifikasi Topik dan Analisa Sentimen Terhadap Kuesioner Umpan Balik Universitas Menggunakan Metode Long Short-Term Memory,” J. Infra, vol. 8, no. 2, pp. 1–6, 2020.

D. T. Lukmana, S. Subanti, and Y. Susanti, “Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter,” Semin. Nas. Penelit. Pendidik. Mat. 2019 UMT, pp. 154–160, 2019.