ANALISIS SENTIMEN TERHADAP BEA CUKAI PADA PLATFORM SOSIAL MEDIA X MENGGUNAKAN SUPPORT VECTOR MACHINE DAN K-FOLD CROSS VALIDATION

ANALISIS SENTIMEN TERHADAP BEA CUKAI PADA PLATFORM SOSIAL MEDIA X MENGGUNAKAN SUPPORT VECTOR MACHINE DAN K-FOLD CROSS VALIDATION

• By Blesyova, Nataniel;
• S1 - Teknik Informatika
• 7
• 1 - 73

Penelitian ini dilatarbelakangi oleh kebutuhan untuk memahami sentimen publik terhadap Bea Cukai yang sering menjadi topik perbincangan di media sosial. Analisis sentimen merupakan alat penting untuk mengidentifikasi opini dan perasaan masyarakat yang dapat mempengaruhi kebijakan dan kinerja instansi terkait. Tujuan utama penelitian ini adalah mengevaluasi kinerja Support Vector Machine (SVM) dalam klasifikasi sentimen komentar media sosial terkait Bea Cukai sebagai algoritma machine learning yang efektif. Metode yang digunakan melibatkan beberapa tahap, yaitu pengumpulan data dengan metode crawling data, pre-processing data yang terdiri dari case folding, cleaning, stemming, stopword,dan tokenize, penerapan algoritma SVM, evaluasi menggunakan confusion matrix, dan pengujian menggunakan teknik K-Fold Cross Validation, semua tahapan tersebut akan dilakukan menggunakan aplikasi berbasis web Google Colab menggunakan bahasa Python. Hasil penelitian menunjukkan bahwa algoritma SVM menghasilkan akurasi sebesar 94% dari 400 data test dan 1600 data train, dengan precision nilai 88%, class recall dengan nilai 95%, class f1-score dengan nilai 91.36%. Pengujian dengan K-Fold Cross Validation memberikan akurasi tertinggi sebesar 98.85%, menunjukkan peningkatan signifikan. Cloudword dapat di visualisasikan per kategori data untuk melihat kata apa yang frekuensinya sering muncul. Model ini juga menunjukkan kemampuan baik dalam mengklasifikasikan sentimen positif dan negatif secara konsisten. Kesimpulannya, algoritma SVM terbukti efektif dalam klasifikasi sentimen komentar media sosial terkait Bea Cukai.

• Katakunci Analisis Sentimen, Support Vector Machine, Machine Learning
• URL https://ejournal.itn.ac.id/
• Penerbit Universitas Bina Sarana Informatika, Jakarta DKI Jakarta

REFERENSI

Amrullah, A. Z., Sofyan Anas, A., & Hidayat, M. A. J. (2020). Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square. Jurnal, 2(1), 40–44. https://doi.org/10.30812/bite.v2i1.804

 

Ananda, D., & Suryono, R. R. (2024). Analisis Sentimen Publik Terhadap Pengungsi Rohingya di Indonesia dengan Metode Support Vector Machine dan Naïve Bayes. 8(April), 748–757. https://doi.org/10.30865/mib.v8i2.7517

 

Arisandi, R. R. R., Warsito, B., & Hakim, A. R. (2022). Aplikasi Naïve Bayes Classifier (Nbc) Pada Klasifikasi Status Gizi Balita Stunting Dengan Pengujian K-Fold Cross Validation. Jurnal Gaussian, 11(1), 130–139. https://doi.org/10.14710/j.gauss.v11i1.33991

 

Ariyanti, D., & Iswardani, K. (2020). Teks Mining untuk Klasifikasi Keluhan Masyarakat Pada Pemkot Probolinggo Menggunakan Algoritma Naïve Bayes. Jurnal IKRA-ITH Informatika, 4(3), 125–132.

 

Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147. https://doi.org/10.25126/jtiik.0813944

 

Asshiddiqi, M. F., & Lhaksmana, K. M. (2020). Perbandingan Metode Decision Tree dan Support Vector Machine untuk Analisis Sentimen pada Instagram Mengenai Kinerja PSSI. Jurnal Informatika, 7(D), 9936.

 

Athira Luqyana, W., Cholissodin, I., & Perdana, R. S. (2019). Analisis Sentimen Cyberbullying pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine (Vol. 2, Issue 11). http://j-ptiik.ub.ac.id

 

Bedy Purnama dan Iwan Sofana. (2021). Implementasi Artificial Intelligence dan Machine Learning. Bi-obses. https://www.gramedia.com/products/implementasi-artificial-intelligence-dan-machine-learning-d

 

Darwis, D., Pratiwi, E. S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic - Scientific Journal of Informatics Education, 7(1), 1–11. https://doi.org/10.21107/edutic.v7i1.8779

 

Diki Hendriyanto, M., Ridha, A. A., & Enri, U. (2022). ANALISIS SENTIMEN ULASAN APLIKASI MOLA PADA GOOGLE PLAY STORE MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE SENTIMENT ANALYSIS OF MOLA APPLICATION REVIEWS ON GOOGLE PLAY STORE USING SUPPORT VECTOR MACHINE ALGORITHM. Journal of Information Technology and Computer Science (INTECOMS), 5(1).

 

Fikri, M. I., Sabrila, T. S., & Azhar, Y. (2020). Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter. Smatika Jurnal, 10(02), 71–76. https://doi.org/10.32664/smatika.v10i02.455

 

Gelar Guntara, R. (2023). Pemanfaatan Google Colab Untuk Aplikasi Pendeteksian Masker Wajah Menggunakan Algoritma Deep Learning YOLOv7. Jurnal Teknologi Dan Sistem Informasi Bisnis, 5(1), 55–60. https://doi.org/10.47233/jteksis.v5i1.750

 

Gifari, O. I., Adha, M., Rifky Hendrawan, I., Freddy, F., & Durrand, S. (2022). Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine. JIFOTECH (JOURNAL OF INFORMATION TECHNOLOGY, 2(1).

 

Ginantra, N. L. W. S. R., Arifah, F. N., Wijaya, A. H., Septarini, R. S., Ahmad, N., Ardiana, D. P. Y., Effendy, F., Iskandar, A., Hazriani, H., Sari, I. Y., Gustiana, Z., Prianto, C., Gustian, D., & Negara, E. S. (2021). Data Mining dan Penerapan Algoritma.

 

Idris, I. S. K., Mustofa, Y. A., & Salihi, I. A. (2023). Analisis Sentimen Terhadap Pengguna Aplikasi Shopee Menggunakan Algoritma Support Vector Machine (SVM). Journal of Information Science, 36(6), 823–848. https://doi.org/10.1177/0165551510388123

 

Maulidah, N., Supriyadi, R., Utami, D. Y., Hasan, F. N., Fauzi, A., & Christian, A. (2021). Prediksi Penyakit Diabetes Melitus Menggunakan Metode Support Vector Machine dan Naive Bayes. Indonesian Journal on Software Engineering (IJSE), 7(1), 63–68. http://ejournal.bsi.ac.id/ejurnal/index.php/ijse63

 

Mayadewi, P., & Rosely, E. (2019). Prediksi Nilai Proyek Akhir Mahasiswa Menggunakan Algoritma Klasifikasi Data Mining. Seminar Nasional Sistem Informasi Indonesia, 2019(November), 329–334.

 

Muttaqin, M. N., & Kharisudin, I. (2021). Analisis Sentimen Pada Ulasan Aplikasi Gojek Menggunakan Metode Support Vector Machine dan K Nearest Neighbor. UNNES Journal of Mathematics, 10(2), 22–27. http://journal.unnes.ac.id/sju/index.php/ujm

 

Najjichah, H., Sukur, A., & Subagyo, H. (2019). Pengaruh Text Preprocessing dan Kombinasinya. Jurnal Teknologi Informasi, 15(1), 1–11. https://download.garuda.kemdikbud.go.id/article.php?article=2887463&val=25402&title=PENGARUH TEXT PREPROCESSING DAN KOMBINASINYA PADA PERINGKAS DOKUMEN OTOMATIS TEKS BERBAHASA INDONESIA

 

Nasution, D. A., Khotimah, H. H., & Chamidah, N. (2019). Perbandingan Normalisasi Data untuk Klasifikasi Wine Menggunakan Algoritma K-NN. Computer Engineering, Science and System Journal, 4(1), 78. https://doi.org/10.24114/cess.v4i1.11458

 

Pane, S. F., Owen, A., & Prianto, C. (2021). Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine. Jurnal Telekomunikasi Dan Komputer, 11(2), 130. https://doi.org/10.22441/incomtech.v11i2.10874

 

Permana, A. A., S, W., Santoso, L. W., Wibowo, G. W. N., Wardhani, A. K., Rahmaddeni, Wahidin, A. J., Yuliastuti, G. E., Elisawati, Wijayanti, R. R., & Abdurrasyid. (2023). Machine Learning. In Machine Learning (Vol. 45, Issue 13).

 

Que, V. K. S., Iriani, A., & Purnomo, H. D. (2020). Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization. Jurnal Nasional Teknik Elektro Dan Teknologi Informasi, 9(2), 162–170. https://doi.org/10.22146/jnteti.v9i2.102

 

Raharjo, B. (2021). Pembelajaran Mesin. In Angewandte Chemie International Edition, 6(11), 951–952.

 

Rahman, M. F., Alamsah, D., Darmawidjadja, M. I., & Nurma, I. (2020). Klasifikasi Untuk Diagnosa Diabetes Menggunakan Metode Bayesian Regularization Neural Network (RBNN). Jurnal Informatika, 11(1), 36. https://doi.org/10.26555/jifo.v11i1.a5452

 

 

Rangga, M., Nasution, A., & Hayaty, M. (2019). Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter. JURNAL INFORMATIKA, 6(2), 212–218. http://ejournal.bsi.ac.id/ejurnal/index.php/ji

 

Rozak, B., Febriawan, D., & Hasan, F. N. (2024). Implementasi Business Intelligence untuk Visualisasi Laju Indeks Pembangunan Manusia Kota Cirebon Menggunakan Google Collab. Sainteks, 21(1), 33. https://doi.org/10.30595/sainteks.v21i1.21356

 

Styawati, S., Hendrastuty, N., & Isnain, A. R. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 150–155. https://doi.org/10.30591/jpit.v6i3.2870

 

Sudipa, I. G. I., Darmawiguna, I. G. M., Dendi, I. M., & Sanjaya, M. (2024). Buku ajar data mining (Issue January) (Issue January).

 

Tineges, R., Triayudi, A., & Sholihati, I. D. (2020). Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM). JURNAL MEDIA INFORMATIKA BUDIDARMA, 4(3), 650. https://doi.org/10.30865/mib.v4i3.2181