BSIBSI

JURNAL TEKNIK KOMPUTER AMIK BSIJURNAL TEKNIK KOMPUTER AMIK BSI

Isu pemanasan global menjadi perhatian utama para pemimpin di beberapa negara termasuk Indonesia. Salah satu kontribusi untuk mengurangi emisi karbon yang berakibat pada pemanasan global yaitu dengan menggulirkan kebijakan kendaraan listrik. Pro kontra kebijakan kendaraan Listrik di Indonesia telah merambah ke berbagai ruang diskusi publik termasuk media social X (Twitter). Berdasarkan hal tersebut penelitian ini bermaksud untuk menganalisis sentimen Masyarakat pada media social X tentang kebijakan kendaraan Listrik dilakukan klasifikasi dengan memanfaatkan algoritma naïve bayes berbasis forward selection. Berdasarkan pengujian model klasifikasi naïve bayes ditambahkan forward selection dihasilkan accuracy sebesar 82,11% dengan nilai AUC 0,801. Ada kenaikan nilai accuracy sebesar 2,67% dibandingkan tanpa menggunakan seleksi fitur forward selection yang hanya mencapai accuracy dikisaran 79,43 % dengan nilai AUC 0,639. Peneliti menarik Kesimpulan bahwa penggunaan seleksi fitur menggunakan forward selection dapat berkontribusi meningkatkan algoritma naïve bayes dalam klasifikasi sentimen pada kendaraan yang bertenaga listrik.

Penelitian ini menyimpulkan bahwa penggunaan seleksi fitur forward selection dapat meningkatkan kinerja algoritma Naïve Bayes dalam klasifikasi sentimen terkait kendaraan listrik.Pengujian model klasifikasi Naïve Bayes dengan penambahan forward selection menghasilkan akurasi sebesar 82,11% dengan nilai AUC 0,801.Hasil ini menunjukkan peningkatan akurasi sebesar 2,67% dibandingkan tanpa menggunakan seleksi fitur forward selection.

Penelitian selanjutnya dapat difokuskan pada perbandingan performa algoritma seleksi fitur lainnya, seperti Chi-Square atau Information Gain, dengan forward selection untuk mengidentifikasi metode yang paling optimal dalam meningkatkan akurasi klasifikasi sentimen pada kendaraan listrik. Selain itu, eksplorasi penggunaan teknik deep learning, seperti Recurrent Neural Networks (RNN) atau Transformers, dapat dilakukan untuk menangkap konteks dan nuansa bahasa yang lebih kompleks dalam data teks, sehingga berpotensi menghasilkan model analisis sentimen yang lebih akurat. Terakhir, penelitian dapat diperluas dengan menganalisis sentimen dari berbagai platform media sosial lainnya, seperti Facebook dan Instagram, untuk mendapatkan gambaran yang lebih komprehensif tentang opini publik terhadap kebijakan kendaraan listrik di Indonesia. Dengan menggabungkan data dari berbagai sumber, peneliti dapat mengidentifikasi tren dan pola sentimen yang lebih luas, serta memberikan wawasan yang lebih berharga bagi pembuat kebijakan dan industri otomotif.

  1. Analisis Sentimen Kendaraan Listrik Pada Twitter Menggunakan Metode Long Short Term Memory | SABER :... jurnal.stikes-ibnusina.ac.id/index.php/SABER/article/view/857Analisis Sentimen Kendaraan Listrik Pada Twitter Menggunakan Metode Long Short Term Memory SABER jurnal stikes ibnusina ac index php SABER article view 857
  2. Pengukuran Sentimen Sosial Terhadap Teknologi Kendaraan Listrik: Bukti Empiris di Indonesia | Riyadi... doi.org/10.36448/expert.v11i2.2171Pengukuran Sentimen Sosial Terhadap Teknologi Kendaraan Listrik Bukti Empiris di Indonesia Riyadi doi 10 36448 expert v11i2 2171
Read online
File size367.2 KB
Pages8
DMCAReport

Related /

ads-block-test