SUBSETSUBSET

The Indonesian Journal of Computer Science ResearchThe Indonesian Journal of Computer Science Research

Isu gempa megathrust menjadi perhatian publik yang signifikan mengingat potensi dampaknya yang besar di wilayah Indonesia. Meningkatnya kesadaran dan kekhawatiran masyarakat terhadap isu ini tercermin dari banyaknya diskusi di berbagai platform media sosial, khususnya YouTube. Melihat fenomena tersebut, penelitian ini dilakukan untuk menganalisis dan mengklasifikasikan sentimen publik terhadap video bertema gempa megathrust. Tujuan utama dari penelitian ini adalah untuk mengkaji persepsi masyarakat melalui komentar di YouTube menggunakan pendekatan machine learning. Penelitian ini menggunakan tiga algoritma utama, yaitu Support Vector Machine dengan tiga jenis kernel yaitu linear, RBF, dan polynomial; Naive Bayes dengan Bernoulli dan Multinomial; serta Decision Tree. Data dikumpulkan melalui teknik scraping pada kolom komentar video YouTube yang relevan, dengan total data sebanyak 4337 komentar. Proses analisis dilakukan melalui sembilan tahap, yaitu pengumpulan data, preprocessing teks, pelabelan sentimen menggunakan lexicon VADER, pembobotan kata menggunakan TF-IDF, penyeimbangan data dengan SMOTE, seleksi fitur dengan mutual information, pembuatan model klasifikasi, evaluasi kinerja model, dan analisis hasil. Evaluasi performa model dilakukan menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil menunjukkan bahwa algoritma SVM dengan kernel linear memberikan performa terbaik dengan akurasi mencapai 87%. Temuan ini mengonfirmasi bahwa pendekatan machine learning efektif untuk menganalisis opini publik terhadap isu kebencanaan, serta dapat menjadi landasan dalam pengambilan kebijakan mitigasi risiko bencana berbasis persepsi masyarakat.

Penelitian ini menganalisis kinerja tiga algoritma klasifikasi sentimen yaitu SVM dengan kernel linear, RBF, dan polynomial.serta Decision Tree dengan menggunakan metrik accuracy, precision, recall, dan F1-score pada kategori sentimen negatif, netral, dan positif.Berdasarkan hasil pelabelan dengan lexicon VADER opini positif mendominasi isu gempa megathrust.SVM dengan kernel linear menunjukkan kinerja terbaik dengan akurasi 0,870 serta keseimbangan F1-score di semua kelas.SVM RBF memiliki akurasi tinggi, tetapi recall pada kelas positif lebih rendah.Sementara itu, Naive Bayes Multinomial lebih sesuai untuk data berbasis frekuensi kata tetapi kurang optimal pada kelas netral, sedangkan Bernoulli memiliki performa terendah.Dengan demikian, SVM kernel linear direkomendasikan sebagai algoritma terbaik karena memberikan hasil paling akurat dan seimbang.

Berdasarkan temuan penelitian ini, terdapat beberapa arah penelitian lanjutan yang dapat dieksplorasi. Pertama, penelitian selanjutnya dapat mengembangkan model analisis sentimen yang lebih adaptif terhadap bahasa informal dan slang yang umum digunakan dalam komentar media sosial. Hal ini dapat dicapai dengan menggabungkan teknik pemrosesan bahasa alami (NLP) yang lebih canggih, seperti model bahasa berbasis transformer, untuk menangkap konteks dan nuansa bahasa yang lebih kompleks. Kedua, penelitian dapat memperluas cakupan analisis sentimen dengan mempertimbangkan faktor-faktor kontekstual, seperti demografi pengguna, lokasi geografis, dan waktu posting komentar. Dengan mengintegrasikan data kontekstual ini, analisis sentimen dapat memberikan wawasan yang lebih mendalam tentang pola dan tren opini publik terkait isu gempa megathrust. Ketiga, penelitian dapat mengeksplorasi penggunaan teknik visualisasi data untuk mengkomunikasikan hasil analisis sentimen kepada pemangku kepentingan yang lebih luas, termasuk masyarakat umum, pemerintah, dan lembaga terkait. Visualisasi data yang efektif dapat membantu meningkatkan pemahaman dan kesadaran tentang risiko bencana, serta mendorong tindakan mitigasi yang lebih proaktif.

  1. Pemodelan Segmentasi Mentawai-Pagai: Studi Kasus Gempa Megathrust di Indonesia | Jurnal Geosains dan... jgrs.eng.unila.ac.id/index.php/geo/article/view/56Pemodelan Segmentasi Mentawai Pagai Studi Kasus Gempa Megathrust di Indonesia Jurnal Geosains dan jgrs eng unila ac index php geo article view 56
  2. Evaluasi Performa Kernel SVM dalam Analisis Sentimen Review Aplikasi ChatGPT Menggunakan Hyperparameter... doi.org/10.24002/jbi.v15i1.7925Evaluasi Performa Kernel SVM dalam Analisis Sentimen Review Aplikasi ChatGPT Menggunakan Hyperparameter doi 10 24002 jbi v15i1 7925
  3. IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID: IMPLEMENTATION OF NAIVE... prin.or.id/index.php/JURRITEK/article/view/127IMPLEMENTASI AlGORITMA NAIVE BAYES UNTUK MEMPREDIKSI TINGKAT PENYEBARAN COVID IMPLEMENTATION OF NAIVE prin index php JURRITEK article view 127
  4. Analisis Sentimen Terhadap Kenaikan Harga Bahan Bakar Minyak Menggunakan Long Short-Term Memory | The... doi.org/10.59095/ijcsr.v2i1.29Analisis Sentimen Terhadap Kenaikan Harga Bahan Bakar Minyak Menggunakan Long Short Term Memory The doi 10 59095 ijcsr v2i1 29
Read online
File size4.16 MB
Pages11
DMCAReport

Related /

JURIS Tren NLP dalam Analisis Sentimen Media Sosial Tinjauan Sistematis dan Bibliometrik 2026More at 2026

IKMIIKMI Berdasarkan temuan tersebut, penelitian ini menyimpulkan bahwa arah penelitian ke depan perlu difokuskan pada pengembangan NLP multibahasa, analisis sentimenBerdasarkan temuan tersebut, penelitian ini menyimpulkan bahwa arah penelitian ke depan perlu difokuskan pada pengembangan NLP multibahasa, analisis sentimen

JURIS Analisis Sentimen Pengguna Aplikasi X Terhadap Pelaksanaan Makan Bergizi Gratis Menggunakan Metode Adaptive Neuro Fuzzy Inference System 2026More at 2026

NURISNURIS Confussion matrix menunjukkan kesalahan klasifikasi yang didominasi oleh data sentimen positif yang diprediksi sebagai negatif, mencerminkan ketidakseimbanganConfussion matrix menunjukkan kesalahan klasifikasi yang didominasi oleh data sentimen positif yang diprediksi sebagai negatif, mencerminkan ketidakseimbangan

JURIS Comparison of the Effect of Word Normalization on Na ve Bayes Classifier and K Nearest Neighbor Methods for Sentiment Analysis 2026More at 2026

UNITOMOUNITOMO Dalam tahap pra-pemrosesan analisis sentimen, ada beberapa langkah penting, salah satunya adalah normalisasi kata, yaitu mengubah kata-kata tidak standarDalam tahap pra-pemrosesan analisis sentimen, ada beberapa langkah penting, salah satunya adalah normalisasi kata, yaitu mengubah kata-kata tidak standar

JURIS Analisis Sentimen Terhadap Ulasan Aplikasi TikTok menggunakan Fine Tuning IndoBERT 2025More at 2025

PLBPLB Penelitian selanjutnya disarankan membandingkan teknik oversampling ini dengan metode penyeimbangan data yang lebih canggih seperti SMOTE untuk mengevaluasiPenelitian selanjutnya disarankan membandingkan teknik oversampling ini dengan metode penyeimbangan data yang lebih canggih seperti SMOTE untuk mengevaluasi

JURIS Analisis Sentimen Terhadap Keyword Tertentu Pada Platform Media Sosial X Menggunakan Algoritma Naive Bayes 2025More at 2025

STMIK DCISTMIK DCI Model berhasil mengklasifikasikan sentimen dengan akurasi sekitar 72%. Meskipun performa untuk sentimen netral masih terbatas akibat data latih netralModel berhasil mengklasifikasikan sentimen dengan akurasi sekitar 72%. Meskipun performa untuk sentimen netral masih terbatas akibat data latih netral

JURIS Sentiment Analysis on Acute Kidney Syrup Videos Using CNN and LSTM Algorithms Analisis Sentimen Tentang Isu Obat Sirup Penyebab Ginjal Akut pada Video di Youtube Menggunakan Algoritma CNN dan LSTM 2023More at 2023

Tel-UTel-U Isu ini telah menarik perhatian luas dan memicu berbagai reaksi di media sosial. Di era digital ini, opini publik yang diungkapkan dalam komentar di platformIsu ini telah menarik perhatian luas dan memicu berbagai reaksi di media sosial. Di era digital ini, opini publik yang diungkapkan dalam komentar di platform

JURIS Analisis Sentimen Kebijakan Jaminan Hari Tua JHT Pada Twitter Menggunakan Na ve Bayes 2023More at 2023

UBMUBM Penelitian ini dilatar belakangi kebijakan pencairan dana JHT yang pada saat ini terjadi perubahan, pasalnya dalam Peraturan Menteri Ketenagakerjaan NomorPenelitian ini dilatar belakangi kebijakan pencairan dana JHT yang pada saat ini terjadi perubahan, pasalnya dalam Peraturan Menteri Ketenagakerjaan Nomor

JURIS Sentimen Twitter terhadap PILKADA kota Medan menggunakan metode Naive Bayes 2022More at 2022

LENTERADUALENTERADUA Penelitian ini bertujuan untuk menganalisis tweet mengenai sentimen netizen terhadap Pilkada Kota Medan 2020. Opini dari pengguna Twitter dapat dijadikanPenelitian ini bertujuan untuk menganalisis tweet mengenai sentimen netizen terhadap Pilkada Kota Medan 2020. Opini dari pengguna Twitter dapat dijadikan

Useful /

JURIS IMPLEMENTASI PROGRAM STANDAR KECAKAPAN UBUDIYAH AKHLAKUL KARIMAH DALAM PEMBENTUKAN KARAKTER SISWA STUDI KUALITATIF DI MIN 3 PACITAN 2026More at 2026

STAIM PROBOLINGGOSTAIM PROBOLINGGO Hasil penelitian program SKUA di MIN 3 Pacitan menunjukan serangkaian pelaksanaan pembiasaan harian yang terstruktur, seperti penyambutan peserta didikHasil penelitian program SKUA di MIN 3 Pacitan menunjukan serangkaian pelaksanaan pembiasaan harian yang terstruktur, seperti penyambutan peserta didik

JURIS Implementasi Program Jumpa Berkah Untuk Membentuk Karakter Disiplin Dan Tanggung Jawab Pada Siswa Di Mim Ngadirejan 2026More at 2026

STAIM PROBOLINGGOSTAIM PROBOLINGGO Penelitian ini bertujuan untuk menganalisis implementasi Program Jumpa Berkah dalam membentuk karakter disiplin dan tanggung jawab siswa di MIM Ngadirejan.Penelitian ini bertujuan untuk menganalisis implementasi Program Jumpa Berkah dalam membentuk karakter disiplin dan tanggung jawab siswa di MIM Ngadirejan.

JURIS Pemodelan Klasifikasi Popularitas Produk Skincare Menggunakan Support Vector Machine SVM Studi Komparatif Kinerja Kernel 2025More at 2025

SUBSETSUBSET Penelitian ini memberikan kontribusi berupa model klasifikasi popularitas produk skincare dan temuan faktor-faktor dominan, yang dapat dijadikan acuanPenelitian ini memberikan kontribusi berupa model klasifikasi popularitas produk skincare dan temuan faktor-faktor dominan, yang dapat dijadikan acuan

JURIS Karakteristik dan Kejadian Luka Bakar Pada Masyarakat 2024More at 2024

STIKESLHOKSEUMAWESTIKESLHOKSEUMAWE Kejadian luka bakar mayoritas pada kategori pernah 273 responden (68,9%) dan kategori tidak pernah 123 responden (31,1%) dan penyebab luka bakar mayoritasKejadian luka bakar mayoritas pada kategori pernah 273 responden (68,9%) dan kategori tidak pernah 123 responden (31,1%) dan penyebab luka bakar mayoritas

ads-block-test