STMIKLOMBOKSTMIKLOMBOK
Jurnal Informatika dan Rekayasa ElektronikJurnal Informatika dan Rekayasa ElektronikPada era teknologi distrupsi komunikasi masa, sosial media menjadi acuan dalam menyerap opini publik. Digitalisasi data sangat pesat diproduksi oleh pengguna sosial media karena merupakan upaya untuk merepresentasikan perasaan khalayak. Produksi data yang dimaksud adalah pengguna melakukan postingan status dan komentar di sosial media. Produksi data oleh khalayak di sosial media tersebut memunculkan sekumpulan data yang sangat besar atau bisa disebut dengan istilah big data. Big data adalah merupakan kumpulan himpunan data dalam jumlah yang sangat besar, kompleks, memiliki waktu kemunculan relativ cepat, sehingga menjadikanya sulit untuk ditangani. Analisa terhadap data yang besar dengan metode data mining untuk mendapatkan pola pengetahuan di dalamnya. Penelitian ini melakukan analisa terhadap sentimen netizen di media sosial twitter terhadap kasus penusukan Wiranto. Hasil sentimen analisis menujukkan 41% memberikan komentar positif, 29% berkomentar secara netral, dan 29% berkomentar secara negatif terhadap kejadian. Selain itu, pemodelan terhadap data dilakukan dengan menggunakan algoritma support vector machine agar dapat membuat sistem yang mampu melakukan klasifikasi terhadap komentar berkonotasi positif, netral, dan negatif. Model klasifikasi yang telah dibuat kemudian diuji dengan mengunakan teknik confusion matrix dengan masing-masing hasil adalah nilai presisi sebesar 83%, nilai recall sebesar 80%, dan terakhir sebesar 80% yang didapatkan pada pengujian akurasi.
Pada penelitian ini, telah berhasil dibangun model klasifikasi teks menggunakan algoritma Support Vector Machine (SVM) dengan metode nonlinier.Model tersebut kemudian diuji dengan menghitung nilai presisi, recall, dan akurasi.Hasil evaluasi menunjukkan bahwa model ini cukup baik dalam melakukan klasifikasi, dengan nilai presisi 83%, recall 80%, dan akurasi 80%.
Untuk penelitian selanjutnya guna meningkatkan kualitas dan generalisasi model klasifikasi teks, beberapa arah studi baru dapat dipertimbangkan. Pertama, bagaimana perbandingan kinerja model klasifikasi teks berbasis pembelajaran mendalam (deep learning), seperti arsitektur BERT atau Transformer, dibandingkan dengan algoritma Support Vector Machine (SVM) dalam menganalisis sentimen media sosial berbahasa Indonesia? Studi ini dapat mengeksplorasi efektivitas model deep learning dalam menangani kompleksitas linguistik bahasa Indonesia, termasuk slang, singkatan, dan campur kode yang sering muncul di platform seperti Twitter, serta kemampuannya dalam mengolah volume data yang lebih besar secara efisien. Kedua, penting untuk menyelidiki sejauh mana implementasi teknik pra-pemrosesan teks yang lebih canggih, seperti deteksi sarkasme atau analisis konteks multi-kalimat, dapat secara signifikan meningkatkan kualitas fitur dan akurasi klasifikasi sentimen. Misalnya, penelitian dapat mengembangkan metode khusus untuk mengidentifikasi dan menormalisasi ekspresi emosi tersembunyi atau ambigu yang tidak tertangkap oleh pra-pemrosesan standar. Ketiga, perluasan cakupan data penelitian ke berbagai platform media sosial lainnya, seperti Facebook atau forum daring, dan penerapan model pada isu-isu publik yang berbeda di luar kasus tunggal, akan sangat bermanfaat. Hal ini akan membantu menguji generalisasi model klasifikasi sentimen di berbagai konteks dan jenis data, serta memahami dinamika sentimen publik yang lebih luas seiring waktu. Dengan demikian, penelitian mendatang dapat menghasilkan model yang tidak hanya lebih akurat tetapi juga lebih adaptif dan komprehensif dalam memahami opini publik di era digital.
| File size | 964.84 KB |
| Pages | 9 |
| DMCA | Report |
Related /
NURUL FIKRINURUL FIKRI Hasil pengujian menunjukkan bahwa sistem berfungsi sesuai kebutuhan. Black Box Testing pada 11 skenario pengujian mencatat tingkat keberhasilan 100%. SelainHasil pengujian menunjukkan bahwa sistem berfungsi sesuai kebutuhan. Black Box Testing pada 11 skenario pengujian mencatat tingkat keberhasilan 100%. Selain
UVAYABJMUVAYABJM Beberapa faktor yang melatarbelakangi inovasi kurikulum diantaranya adalah pemanfaatan teknologi yang menaikkan keefektivan dan sifat interaktif siswaBeberapa faktor yang melatarbelakangi inovasi kurikulum diantaranya adalah pemanfaatan teknologi yang menaikkan keefektivan dan sifat interaktif siswa
KHARISMAKHARISMA Permasalahan utama yang dihadapi lembaga ini adalah proses penilaian yang masih dilakukan secara manual dan subjektif, sehingga sulit memberikan hasilPermasalahan utama yang dihadapi lembaga ini adalah proses penilaian yang masih dilakukan secara manual dan subjektif, sehingga sulit memberikan hasil
POLIBANPOLIBAN Dalam pengembangan sistem, Admin bertanggung jawab atas manajemen data peminjaman dan aset, sementara Staf BMN mengelola inventaris. Peminjam dapat mengaksesDalam pengembangan sistem, Admin bertanggung jawab atas manajemen data peminjaman dan aset, sementara Staf BMN mengelola inventaris. Peminjam dapat mengakses
UNAIRUNAIR GoogleNet dan AlexNet berada di posisi kedua dan ketiga dengan akurasi masing-masing 99,5% dan 99,4%. Penelitian ini menunjukkan bahwa model deep learning,GoogleNet dan AlexNet berada di posisi kedua dan ketiga dengan akurasi masing-masing 99,5% dan 99,4%. Penelitian ini menunjukkan bahwa model deep learning,
JOURNALSTKIPPGRISITUBONDOJOURNALSTKIPPGRISITUBONDO Isu utama meliputi kurangnya pemahaman di kalangan guru serta kebutuhan adaptasi terhadap sumber daya yang tersedia dan perubahan kurikulum. PenelitianIsu utama meliputi kurangnya pemahaman di kalangan guru serta kebutuhan adaptasi terhadap sumber daya yang tersedia dan perubahan kurikulum. Penelitian
UNWIRUNWIR (2-tailed) menunjukkan 0,000 < 0,05 artinya dapat disimpulkan, bahwa terdapat perbedaan kemampuan menulis cerpen yang signifikan antara kelas eksperimen(2-tailed) menunjukkan 0,000 < 0,05 artinya dapat disimpulkan, bahwa terdapat perbedaan kemampuan menulis cerpen yang signifikan antara kelas eksperimen
POLITEKNIK PRATAMAPOLITEKNIK PRATAMA Permasalahan yang timbul dengan sistem yang sekarang berjalan adalah adanya kesalahan dalam perhitungan gaji guru. Selain itu dalam pemrosesan perhitunganPermasalahan yang timbul dengan sistem yang sekarang berjalan adalah adanya kesalahan dalam perhitungan gaji guru. Selain itu dalam pemrosesan perhitungan
Useful /
ILININSTITUTEILININSTITUTE Metode: 1) Promosi dan edukasi hipertensi kehamilan, 2) Promosi dan edukasi gizi seimbang ibu hamil, 3) Pendampingan kader kesehatan dalam pemantauan tekananMetode: 1) Promosi dan edukasi hipertensi kehamilan, 2) Promosi dan edukasi gizi seimbang ibu hamil, 3) Pendampingan kader kesehatan dalam pemantauan tekanan
IAIN PALOPOIAIN PALOPO Sampel penelitian berjumlah 70 siswa yang dipilih dari 10 orang dari masing-masing kelas secara proporsional random sampling. Instrumen penelitian yangSampel penelitian berjumlah 70 siswa yang dipilih dari 10 orang dari masing-masing kelas secara proporsional random sampling. Instrumen penelitian yang
STMIKLOMBOKSTMIKLOMBOK Hasil pengujian pada perangkat android menunjukan aplikasi yang dibuat dapat berjalan lancar dan cocok berdasarkan keaktifan gyroscope pada smarphone danHasil pengujian pada perangkat android menunjukan aplikasi yang dibuat dapat berjalan lancar dan cocok berdasarkan keaktifan gyroscope pada smarphone dan
STMIKLOMBOKSTMIKLOMBOK Dan hasil dari pembuatan video dokumenter ini nantinya akan diserahkan kepada Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Mulawarman untukDan hasil dari pembuatan video dokumenter ini nantinya akan diserahkan kepada Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Mulawarman untuk