JOURNAL COMPUTINGJOURNAL COMPUTING

Journal of Information Technology AmperaJournal of Information Technology Ampera

Metaverse, sebuah inovasi teknologi yang menakjubkan dengan pengaruh global, merupakan kumpulan realitas digital yang menyatukan elemen media sosial, permainan daring, realitas tambahan (AR), realitas maya (VR), dan mata uang kripto. Pendekatan manual dalam menentukan sifat positif atau negatif suatu opini sering kali memakan waktu dan tenaga, terutama dengan melimpahnya jumlah opini publik. Untuk mengatasi hal ini, diusulkan penggunaan teknik pembelajaran mesin guna efisien mengklasifikasikan beragam sumber data opini. Studi ini mengedepankan penerapan Penambangan Teks sebagai metode untuk klasifikasi dokumen. Metode Klasifikasi Naïve Bayes (NBC) dipilih oleh peneliti karena efektivitasnya dalam menggunakan perhitungan probabilitas. Hasil penelitian mengindikasikan bahwa sistem atau model yang dikembangkan berhasil mencapai presisi sempurna (100%) dalam mengidentifikasi kelas opini positif, artinya semua prediksi positif yang dihasilkan tepat sasaran. Namun, terdapat margin kecil dalam recall untuk kelas positif, yakni 93,37%, mengindikasikan adanya beberapa kasus positif yang luput dari deteksi. Sementara itu, presisi untuk kelas negatif berada pada angka 43,46%, yang menyiratkan kemungkinan adanya kesalahan dalam sebagian kecil prediksi negatif. Namun, recall untuk kelas negatif mencapai 100%, menandakan semua kasus negatif berhasil diidentifikasi dengan benar.

Penelitian ini menunjukkan bahwa model klasifikasi sentimen mencapai presisi 100% untuk kelas positif, menandakan semua prediksinya akurat.Meskipun demikian, recall untuk kelas positif sebesar 93,37% mengindikasikan bahwa beberapa kasus positif tidak terdeteksi oleh sistem.Sementara itu, untuk kelas negatif, model ini memiliki recall sempurna 100% dalam mengidentifikasi semua kasus, meskipun presisinya relatif rendah pada 43,46%.

Melihat adanya ruang peningkatan pada klasifikasi sentimen, khususnya dalam mengidentifikasi opini negatif, penelitian lanjutan bisa mengeksplorasi penggunaan model pembelajaran mesin yang lebih canggih, seperti Support Vector Machine (SVM) atau metode berbasis deep learning seperti jaringan saraf berulang (RNN) atau arsitektur transformer (BERT). Dengan demikian, dapat diselidiki bagaimana model-model ini mampu meningkatkan presisi dan recall untuk sentimen negatif, memberikan pemahaman yang lebih akurat mengenai persepsi publik terhadap dinamika Metaverse. Selain itu, mengingat kajian ini berfokus pada komentar YouTube, studi di masa depan dapat memperluas cakupan data dengan menganalisis sentimen dari berbagai platform media sosial lainnya, seperti Twitter, Reddit, atau forum diskusi online, untuk melihat apakah ada perbedaan signifikan dalam pola sentimen atau topik yang dibicarakan di antara platform-platform tersebut. Pertanyaan yang menarik adalah apakah preferensi platform memengaruhi ekspresi sentimen terhadap Metaverse. Terakhir, untuk mendapatkan wawasan yang lebih mendalam, penelitian dapat bergerak melampaui klasifikasi sentimen biner (positif/negatif) menuju analisis sentimen berbasis aspek. Ini berarti mengidentifikasi elemen-elemen spesifik dari Metaverse, seperti keamanan data, pengalaman pengguna, atau potensi ekonomi, yang memicu reaksi sentimen tertentu. Dengan membedah aspek-aspek ini, kita bisa memahami secara rinci apa yang disukai atau tidak disukai masyarakat, memberikan informasi berharga bagi pengembang dan pemangku kepentingan dalam ekosistem Metaverse.

  1. A Selective Paging Scheme based on Handoff Probability considering Local Environment on HMIPv6. selective... doi.org/10.3745/JIPS.04.0120A Selective Paging Scheme based on Handoff Probability considering Local Environment on HMIPv6 selective doi 10 3745 JIPS 04 0120
  2. Indonesian Journal of Data and Science | IJODAS. analisis perbandingan metode nearest neighbor na bayes... jurnal.yoctobrain.org/index.php/ijodas/article/view/20Indonesian Journal of Data and Science IJODAS analisis perbandingan metode nearest neighbor na bayes jurnalctobrain index php ijodas article view 20
  3. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informas)i. perbandingan bayes analisis sentimen gadget jurnal... jurnal.iaii.or.id/index.php/RESTI/article/view/3588Jurnal RESTI Rekayasa Sistem dan Teknologi Informas i perbandingan bayes analisis sentimen gadget jurnal jurnal iaii index php RESTI article view 3588
Read online
File size412.12 KB
Pages9
DMCAReport

Related /

JURIS Analisis Sentimen Ulasan Pengguna Online Single Submission Menggunakan SVM dan Random Forest Sebuah Studi Perbandingan 2026More at 2026

IDID Hasil menunjukkan bahwa SVM mencapai akurasi 86,52 %, melampaui Random Forest yang memperoleh 83,45 %. Namun, kedua model sama sekali gagal mengklasifikasikanHasil menunjukkan bahwa SVM mencapai akurasi 86,52 %, melampaui Random Forest yang memperoleh 83,45 %. Namun, kedua model sama sekali gagal mengklasifikasikan

JURIS Klasifikasi Sentimen Masyarakat Terhadap Guru Pns Yang Resign Karena Lingkungan Toxic Menggunakan Metode Naive Bayes Classifier 2026More at 2026

POLSRIPOLSRI Model dikembangkan menggunakan bahasa pemrograman Python dengan library scikit-learn, dan dievaluasi menggunakan confusion matrix dengan rumus akurasi:Model dikembangkan menggunakan bahasa pemrograman Python dengan library scikit-learn, dan dievaluasi menggunakan confusion matrix dengan rumus akurasi:

JURIS Analisis Sentimen Opini Masyarakat Terkait Penggunaan Mobile JKN Pada Media Sosial X Dengan Perbandingan Algoritma K Nearest Neighbor KNN Dan Logistic Regression LR 2025More at 2025

ITB ADITB AD 777 ulasan, diperoleh 4. 648 data bersih setelah preprocessing dan pelabelan menggunakan IndoBERT, dengan 2. 066 ulasan positif dan 2. 581 ulasan negatif.777 ulasan, diperoleh 4. 648 data bersih setelah preprocessing dan pelabelan menggunakan IndoBERT, dengan 2. 066 ulasan positif dan 2. 581 ulasan negatif.

JURIS Penerapan SVM Sebagai Algoritma Machine Learning Dalam Analisis Sentimen Terhadap Telemedicine di Indonesia 2025More at 2025

UMPPUMPP Model SVM menunjukkan tingkat akurasi sebesar 84%, dengan precision 28%, recall 33%, dan F1-score 30%. Penelitian ini menunjukkan bahwa mayoritas sentimenModel SVM menunjukkan tingkat akurasi sebesar 84%, dengan precision 28%, recall 33%, dan F1-score 30%. Penelitian ini menunjukkan bahwa mayoritas sentimen

JURIS Dampak notifikasi merger dan akuisisi terhadap return saham pada perusahaan perbankan Indonesia 2025More at 2025

NURSCIENCEINSTITUTENURSCIENCEINSTITUTE Namun, analisis CAR mengungkapkan reaksi pasar yang lebih beragam, dimana tiga dari lima peristiwa menunjukkan perubahan signifikan, baik berupa penurunanNamun, analisis CAR mengungkapkan reaksi pasar yang lebih beragam, dimana tiga dari lima peristiwa menunjukkan perubahan signifikan, baik berupa penurunan

JURIS Implementasi Algoritma Na ve Bayes untuk Analisis Ulasan Pengguna untuk Aplikasi Seabank di Google Play Store 2025More at 2025

NINETYJOURNALNINETYJOURNAL Confusion matrix mengungkapkan bahwa pada sentimen positif (Baik Sekali dan Baik) model mengidentifikasi 88% data dengan benar, sedangkan pada sentimenConfusion matrix mengungkapkan bahwa pada sentimen positif (Baik Sekali dan Baik) model mengidentifikasi 88% data dengan benar, sedangkan pada sentimen

JURIS Analisis Sentimen Masyarakat Terhadap Kinerja Trans Semarang Menggunakan Metode Random Forest 2024More at 2024

STMIK BANJARBARUSTMIK BANJARBARU Analisis sentimen hadir sebagai cara untuk memahami opini publik, meneliti pendapat dan sikap individu terhadap suatu objek. Dengan menggunakan algoritmaAnalisis sentimen hadir sebagai cara untuk memahami opini publik, meneliti pendapat dan sikap individu terhadap suatu objek. Dengan menggunakan algoritma

JURIS Analisis Sentimen Belajar Programming Pada Media Sosial Youtube Menggunakan Algoritma Klasifikasi Naive Bayes 2023More at 2023

JOURNAL COMPUTINGJOURNAL COMPUTING Penelitian ini berfokus pada analisis sentimen belajar pemrograman di YouTube, menggunakan algoritma klasifikasi Naive Bayes untuk mengklasifikasikan sentimenPenelitian ini berfokus pada analisis sentimen belajar pemrograman di YouTube, menggunakan algoritma klasifikasi Naive Bayes untuk mengklasifikasikan sentimen

Useful /

JURIS Transformasi Struktural tanpa Ekspansi Ketenagakerjaan yang Proporsional Bukti dari Industrialisasi Nikel di Morowali 2026More at 2026

BAPPENASBAPPENAS Namun, pertumbuhan ekonomi yang dihasilkan tidak selalu diikuti oleh peningkatan kesempatan kerja yang sebanding. Penelitian ini menganalisis dampak industrialisasiNamun, pertumbuhan ekonomi yang dihasilkan tidak selalu diikuti oleh peningkatan kesempatan kerja yang sebanding. Penelitian ini menganalisis dampak industrialisasi

JURIS Model IMIP Hilirisasi Nikel dan Masa Depan Industrialisasi Indonesia 2026More at 2026

BAPPENASBAPPENAS Namun, keberhasilan tersebut juga menghadirkan tantangan signifikan, terutama ketergantungan pada energi batu bara, tekanan lingkungan, keselamatan kerja,Namun, keberhasilan tersebut juga menghadirkan tantangan signifikan, terutama ketergantungan pada energi batu bara, tekanan lingkungan, keselamatan kerja,

JURIS Sosialisasi Pentingnya Pendidikan dan Dampak Menikah Muda Pada Masa 5 0 2024More at 2024

WESTSCIENCESWESTSCIENCES Kolaborasi antara mahasiswa UIN Malang dan siswa MAN Kota Mojokerto dalam sosialisasi mengenai pentingnya pendidikan dan dampak menikah muda pada masaKolaborasi antara mahasiswa UIN Malang dan siswa MAN Kota Mojokerto dalam sosialisasi mengenai pentingnya pendidikan dan dampak menikah muda pada masa

JURIS Analisis Kestabilan Lereng Dengan Metode Rock Mass Rating Pada Tambang Batubara Studi Kasus Di Kecamatan Damai Kutai Barat Kalimantan Timur 2024More at 2024

UNILAKUNILAK Penelitian dilakukan pada 2 lereng yang ada di Pit X di Kecamatan Damai, Kutai Barat, Kalimantan Timur. Penelitian ini menggunakan data sekunder berupaPenelitian dilakukan pada 2 lereng yang ada di Pit X di Kecamatan Damai, Kutai Barat, Kalimantan Timur. Penelitian ini menggunakan data sekunder berupa

ads-block-test