DCCKOTABUMIDCCKOTABUMI
Jurnal Informasi dan KomputerJurnal Informasi dan KomputerAnalisis sentimen adalah salah satu ilmu pengetahuan dalam Text Mining yang berfokus pada klasifikasi dokumen teks yang berisi pendapat atau opini dari masyarakat. Penelitian ini bertujuan untuk memperoleh pemahaman tentang pandangan masyarakat terhadap kepolisian melalui tweet yang diposting pada media sosial Twitter. Penelitian ini menggunakan algoritma Support Vector Machine. Dokumen teks yang digunakan menggunakan dua label, yakni: positif dan negatif. Dalam penelitian ini, data yang digunakan sebanyak 303 data dan pengujian dilakukan dengan menggunakan Confusion Matrix. Hasil penelitian menunjukkan bahwa polarisasi ulasan negatif memiliki dominasi yang lebih tinggi dibandingkan dengan polarisasi positif, yaitu ulasan negatif terdapat 51,16% sedangkan ulasan positif terdapat 48,84%. Hasil pengujian Confusion Matrix yang telah dilakukan mendapatkan hasil tingkat accuracy 54,10%, negative precision 56,41%, positive precision 50%, negative recall 66,67% dan positive recall 39,29%.
Berdasarkan analisis sentimen yang telah dilakukan dengan topik kepolisian pada media sosial Twitter menggunakan algoritma SVM, dapat diambil kesimpulan sebagai berikut.Berdasarkan hasil analisis kepuasan pengguna Twitter terhadap kepolisian di media sosial Twitter menggunakan algoritma SVM, ditemukan bahwa banyak pengguna Twitter merasa tidak puas dengan banyaknya oknum kepolisian yang meresahkan, penyalahgunaan kekuasaan, dan kinerja yang buruk.Hasil analisis menunjukkan bahwa sentimen negatif lebih mendominasi daripada sentimen positif.Selain itu, beberapa pengguna Twitter juga menyatakan bahwa mereka merasa terjaga dengan adanya kepolisian.Dalam analisis sentimen dengan menggunakan algoritma SVM, diperoleh tingkat akurasi sebesar 54,10%.Model ini berhasil mengklasifikasikan sentimen positif dengan precision sebesar 50% dan sentimen negatif dengan precision sebesar 56,41%.Namun, recall untuk sentimen positif hanya sebesar 39,29%, sedangkan untuk sentimen negatif sebesar 66,67%.Data ini diperoleh dengan menggunakan data 80.20, dengan 61 data Tweet sebagai data testing.
Untuk penelitian selanjutnya, disarankan untuk menggunakan algoritma lain agar dapat membuka peluang mencari metode analisis sentiment yang lebih baik lagi. Selain itu, penelitian dapat dikembangkan dengan mengkaji lebih dalam tentang faktor-faktor yang mempengaruhi opini publik terhadap kepolisian, seperti kinerja, kebijakan, dan interaksi dengan masyarakat. Dengan demikian, penelitian dapat memberikan sumbangsih yang lebih komprehensif dalam memahami pandangan masyarakat terhadap kepolisian dan membantu meningkatkan kinerja kepolisian dalam melayani masyarakat.
- IMPLEMENTASI APLIKASI JUPYTER NOTEBOOK SEBAGAI ANALISIS KRETERIA PLAGIASI DENGAN TEKNIK SIMANTIK | Asyrofi... jurnal.stkippgritulungagung.ac.id/index.php/jipi/article/view/3699IMPLEMENTASI APLIKASI JUPYTER NOTEBOOK SEBAGAI ANALISIS KRETERIA PLAGIASI DENGAN TEKNIK SIMANTIK Asyrofi jurnal stkippgritulungagung ac index php jipi article view 3699
- Jurnal Ilmiah Edutic : Pendidikan dan Informatika. jurnal ilmiah edutic pendidikan informatika issn print... journal.trunojoyo.ac.id/eduticJurnal Ilmiah Edutic Pendidikan dan Informatika jurnal ilmiah edutic pendidikan informatika issn print journal trunojoyo ac edutic
- Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine... journal.ugm.ac.id/ijccs/article/view/3499Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine journal ugm ac ijccs article view 3499
- Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine... jurnal.umk.ac.id/index.php/simet/article/view/4568Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine jurnal umk ac index php simet article view 4568
| File size | 1.5 MB |
| Pages | 6 |
| DMCA | Report |
Related /
UNITOMOUNITOMO Pengumpulan data, pelabelan, pra-pemrosesan dengan dua skenario berbeda, pembobotan kata dengan TF-IDF, klasifikasi menggunakan Naive Bayes ClassifierPengumpulan data, pelabelan, pra-pemrosesan dengan dua skenario berbeda, pembobotan kata dengan TF-IDF, klasifikasi menggunakan Naive Bayes Classifier
POLIBANPOLIBAN 002 tweet yang relevan. Kesimpulan dari penelitian ini mengacu pada tujuan yang telah ditetapkan, yaitu untuk menganalisis sentimen publik terhadap perpindahan002 tweet yang relevan. Kesimpulan dari penelitian ini mengacu pada tujuan yang telah ditetapkan, yaitu untuk menganalisis sentimen publik terhadap perpindahan
JURNALASPIKOMJURNALASPIKOM Kedua, pemetaan opini publik menunjukkan pembentukan node komunikasi utama yang bertindak sebagai penggerak narasi publik. Struktur jaringan komunikasiKedua, pemetaan opini publik menunjukkan pembentukan node komunikasi utama yang bertindak sebagai penggerak narasi publik. Struktur jaringan komunikasi
UNAMAUNAMA Sebanyak 581 tweet berbahasa Indonesia yang memuat tagar tersebut dikumpulkan pada periode 1 Januari 2025 hingga 8 Mei 2025, kemudian diproses melaluiSebanyak 581 tweet berbahasa Indonesia yang memuat tagar tersebut dikumpulkan pada periode 1 Januari 2025 hingga 8 Mei 2025, kemudian diproses melalui
IDEBAHASAIDEBAHASA Detik.com lebih menekankan latar belakang dan dampak keputusan pencopotan kepala sekolah yang terkait dengan kebijakan tersebut. Penelitian ini menemukanDetik.com lebih menekankan latar belakang dan dampak keputusan pencopotan kepala sekolah yang terkait dengan kebijakan tersebut. Penelitian ini menemukan
MES BOGORMES BOGOR Berdasarkan penelitian yang telah berhasil dilakukan maka dapat disimpulkan mengenai topik Hak Angket penelitian ini menggunakan data yang diambil dariBerdasarkan penelitian yang telah berhasil dilakukan maka dapat disimpulkan mengenai topik Hak Angket penelitian ini menggunakan data yang diambil dari
ITKITK 85, dan recall 0. 84. Nilai akurasi yang didapat dari model yang telah dibangun adalah 0,84, nilai presisi 0,85, nilai recall 0,84 dan nilai F1-Score 0,84.85, dan recall 0. 84. Nilai akurasi yang didapat dari model yang telah dibangun adalah 0,84, nilai presisi 0,85, nilai recall 0,84 dan nilai F1-Score 0,84.
IRPIIRPI Penelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes ClassifierPenelitian ini bertujuan untuk memberikan hasil opini masyarakat tentang analisa sentimen vaksinasi COVID-19 menggunakan algoritma Naïve Bayes Classifier
Useful /
CAHAYA ICCAHAYA IC Data dikumpulkan melalui panduan wawancara, lembar observasi, dan dokumentasi. Analisis data menggunakan model interaktif Miles dan Huberman. Hasil: PenggunaanData dikumpulkan melalui panduan wawancara, lembar observasi, dan dokumentasi. Analisis data menggunakan model interaktif Miles dan Huberman. Hasil: Penggunaan
UNRAMUNRAM Penelitian ini bertujuan menentukan sikap guru jasmani, olahraga, dan kesehatan terhadap inklusi siswa dengan disabilitas fisik di program pembelajaranPenelitian ini bertujuan menentukan sikap guru jasmani, olahraga, dan kesehatan terhadap inklusi siswa dengan disabilitas fisik di program pembelajaran
IRPIIRPI (1) Aplikasi dengan memanfaatkan augmented reality berhasil dibuat dengan menampilkan objek virtual 3 dimensi dan deskripsi bencana yang ditampilkan pada(1) Aplikasi dengan memanfaatkan augmented reality berhasil dibuat dengan menampilkan objek virtual 3 dimensi dan deskripsi bencana yang ditampilkan pada
IRPIIRPI Proses pengelompokkan ini dilakukan dengan menggunakan metode clustering, salah satunya yaitu metode K-Medoids. Data pada penelitian ini diambil dari dataProses pengelompokkan ini dilakukan dengan menggunakan metode clustering, salah satunya yaitu metode K-Medoids. Data pada penelitian ini diambil dari data