ANALISIS SENTIMEN MASYARAKAT DI MEDIA SOSIAL X TERHADAP MASALAH ROHINGYA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN TEKNIK RESAMPLING

Tri Krama; Nouval Trezandy Lapatta; Chairunnisa Ar. Lamasitudju; Syahrullah Syahrullah

doi:10.29100/jipi.v10i3.6193

ANALISIS SENTIMEN MASYARAKAT DI MEDIA SOSIAL X TERHADAP MASALAH ROHINGYA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE DAN TEKNIK RESAMPLING

Tri Krama
Nouval Trezandy Lapatta
Chairunnisa Ar. Lamasitudju
Syahrullah Syahrullah

DOI: https://doi.org/10.29100/jipi.v10i3.6193

Abstract

Di era modern ini, penggunaan media sosial terus meningkat karena kemajuan dalam teknologi informasi dan komunikasi. X, sebagai salah satu platform media sosial populer, memungkinkan pengguna untuk berinteraksi dan berdiskusi mengenai berbagai isu, termasuk masalah pengungsi Rohingya. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap isu Rohingya di X menggunakan algoritma Support Vector Machine (SVM) dan teknik resampling untuk mengatasi ketidakseimbangan data. Metode yang digunakan meliputi oversampling dengan Synthetic Minority Over-sampling Technique (SMOTE) dan random undersampling untuk menyeimbangkan dataset. Hasil penelitian menunjukkan bahwa setelah penerapan SMOTE dan random undersampling, model SVM mencapai akurasi 89% dengan precision 0,9, recall 0,89, dan f1-score 0,89. Selain itu, penggunaan seleksi fitur dengan chi-square juga terbukti efektif dalam meningkatkan akurasi model, meskipun peningkatannya sedikit, yaitu dari 89% menjadi 90%.Temuan ini menekankan pentingnya penggunaan teknik resampling dan seleksi fitur yang tepat dalam analisis sentimen sosial yang kompleks, khususnya dalam konteks isu pengungsi Rohingya di platform X.

Keywords

Analisis Sentimen;Chi-Square;Resampling;Rohingya;Support Vector Machine

Full Text:

PDF

Article Metrics :

References

R. Wasono, “Twitter Mengenai Netflix Diblokir Telkom Menggunakan Support,” 2022.

S. Kemp, “Digital 2023: Indonesia - DataReportal – Global Digital Insights,” datareportal.com, 2023.

https://datareportal.com/reports/digital-2023-indonesia (accessed Jan. 12, 2024).

D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Edutic - Sci. J. Informatics Educ., vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.

K. Arianta, D. G. S. Mangku, and N. P. R. Yuliartini, “Perlindungan Hukum Bagi Kaum Etnis Rohingya Dalam Perspektif Hak Asasi Manusia Internasional,” J. Komunitas Yustitia Univ. Pendidik. Ganesha Jur. Ilmu Huk., vol. 3, no. 2, pp. 166–176, 2020.

B. Budaya, “Dampak Kewarganegaraan Etnis Rohingya Di Myanmar Terhadap Pelanggaran Hak Asasi Manusia Dan Negara Sekitar,” J. Ilm. Huk., vol. 11, no. 1, pp. 106–120, 2017, [Online]. Available: https://maksigama.wisnuwardhana.ac.id/index.php/maksigama/article/view/44

A. Andreyestha and A. Subekti, “Analisa Sentiment Pada Ulasan Film Dengan Optimasi Ensemble Learning,” J. Inform., vol. 7, no. 1, pp. 15–23, 2020, doi: 10.31311/ji.v7i1.6171.

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, doi: 10.25126/jtiik.0813944.

R. Agsar Dwi Anggoro, R. Al Habsi, M. Arlanda Valio, Y. Widiastiwi, and N. Chamidah, “Analisis Sentimen Terkait Layanan Gofood dan Grabfood pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Semin. Nas. Mhs. Ilmu Komput. dan Apl. Jakarta-Indonesia, no. September, pp. 249–259, 2021.

C. Chairunnisa, I. Ernawati, and M. M. Santoni, “Klasifikasi Sentimen Ulasan Pengguna Aplikasi PeduliLindungi di Google Play Menggunakan Algoritma Support Vector Machine dengan Seleksi Fitur Chi-Square,” Inform. J. Ilmu Komput., vol. 18, no. 1, p. 69, 2022, doi: 10.52958/iftk.v17i4.4594.

W. I. Sabilla and C. Bella Vista, “Implementasi SMOTE dan Under Sampling pada Imbalanced Dataset untuk Prediksi Kebangkrutan Perusahaan,” J. Komput. Terap., vol. 7, no. 2, pp. 329–339, 2021, doi: 10.35143/jkt.v7i2.5027.

D. Ananda and R. R. Suryono, “Analisis Sentimen Publik Terhadap Pengungsi Rohingya di Indonesia dengan Metode Support Vector Machine dan Naïve Bayes,” J. Media Inform. Budidarma, vol. 8, no. April, pp. 748–757, 2024, doi: 10.30865/mib.v8i2.7517.

A. Z. Amrullah, A. Sofyan Anas, and M. A. J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, vol. 2, no. 1, pp. 40–44, 2020, doi: 10.30812/bite.v2i1.804.

R. Ramadhan, Y. A. Sari, and P. P. Adikara, “Perbandingan Pembobotan Term Frequency-Inverse Document Frequency dan Term Frequency-Relevance Frequency terhadap Fitur N-Gram pada Analisis Sentimen,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 11, pp. 5075–5079, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

M. Nurjannah and I. Fitri Astuti, “PENERAPAN ALGORITMA TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY (TF-IDF) UNTUK TEXT MINING Mahasiswa S1 Program Studi Ilmu Komputer FMIPA Universitas Mulawarman Dosen Program Studi Ilmu Komputer FMIPA Universitas Mulawarman,” J. Inform. Mulawarman, vol. 8, no. 3, pp. 110–113, 2013.

T. Ernayanti, M. Mustafid, A. Rusgiyono, and A. R. Hakim, “Penggunaan Seleksi Fitur Chi-Square Dan Algoritma Multinomial Naïve Bayes Untuk Analisis Sentimen Pelangggan Tokopedia,” J. Gaussian, vol. 11, no. 4, pp. 562–571, 2023, doi: 10.14710/j.gauss.11.4.562-571.

S. Diantika, “Penerapan Teknik Random Oversampling Untuk Mengatasi Imbalance Class Dalam Klasifikasi Website Phishing Menggunakan Algoritma Lightgbm,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 19–25, 2023, doi: 10.36040/jati.v7i1.6006.

M. Rahayu, A. Luthfiarta, L. Cahyaningrum, and A. Nurfaiza Azzahra, “Pengaruh Oversampling dan Cross Validation Pada Model Machine Learning Untuk Sentimen Analisis Kebijakan Luaran Kelulusan Mahasiswa,” J. Media Inform. Budidarma, vol. 8, no. 1, pp. 163–172, 2024, doi: 10.30865/mib.v8i1.7012.

Herianto, “Penerapan Text-Mining Untuk Mengidentifikasi,” vol. VIII, no. 2, pp. 36–44, 2019.

D. F. Zhafira, B. Rahayudi, and I. Indriati, “Analisis Sentimen Kebijakan Kampus Merdeka Menggunakan Naive Bayes dan Pembobotan TF-IDF Berdasarkan Komentar pada Youtube,” J. Sist. Informasi, Teknol. Informasi, dan Edukasi Sist. Inf., vol. 2, no. 1, pp. 55–63, 2021, doi: 10.25126/justsi.v2i1.24.

I. T. Julianto, “Analisis Sentimen Terhadap Sistem Informasi Akademik Institut Teknologi Garut,” J. Algoritm., vol. 19, no. 1, pp. 449–456, 2022, doi: 10.33364/algoritma/v.19-1.1112.

Username
Password
Remember me