Publisher

DCCKOTABUMIDCCKOTABUMI

Journal Jurnal Informasi dan KomputerJurnal Informasi dan Komputer Abstract

Analisis 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%.

Conclusion

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.

Future Research

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.

References

1. 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
2. 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
3. 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
4. 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

Metadata

File size	1.5 MB
Pages	6
DMCA	Report