Publisher

STMIKLOMBOKSTMIKLOMBOK

Journal Jurnal Informatika dan Rekayasa ElektronikJurnal Informatika dan Rekayasa Elektronik Abstract

Pada 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.

Conclusion

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%.

Future Research

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.

Metadata

File size	964.84 KB
Pages	9
DMCA	Report