JOURNAL COMPUTINGJOURNAL COMPUTING

Journal of Information Technology AmperaJournal of Information Technology Ampera

Analisis sentimen menjadi pendekatan yang berarti dalam memahami anggapan dan opini masyarakat terhadap suatu peristiwa, sangat utama kala mengaitkan aksi kekerasan semacam bullying. Kasus bullying siswa SMP di Cilacap, Jawa Tengah, pada bulan September 2023 jadi sorotan publik dan menarik atensi melalui media sosial, sangat utama di platform YouTube. Studi ini dicoba dengan tujuan utama mempraktikkan algoritma klasifikasi Naive Bayes dalam melakukan analisis sentimen terhadap komentar di media sosial terpaut kasus bullying. Tata metode studi mengaitkan crawling data, pra-pemrosesan mengenakan RapidMiner, konsumsi TF-IDF buat representasi dokumen, dan implementasi Naive Bayes Classifier. Hasil analisis sentimen menunjukkan tingkatan akurasi sebesar 98.19%, dengan kemampuan yang besar dalam mengklasifikasikan komentar sebagai positif, negatif, maupun netral. Meski demikian, evaluasi mengenakan confusion matrix berkata sebagian kasus negatif yang teridentifikasi tidak benar. Kesimpulan dari studi ini dapat memberikan pengetahuan berharga tentang tata cara masyarakat merespons dan berpendapat terhadap aksi bullying di zona sekolah.

Analisis dari hasil penelitian ini mengungkapkan bahwa sistem atau model yang digunakan memiliki presisi yang sangat tinggi, yaitu 100%, dalam mengklasifikasikan respon positif.Ini menunjukkan bahwa semua prediksi positif yang dilakukan oleh sistem adalah akurat.Namun, tingkat recall untuk kelas positif adalah 92,64%, yang menandakan bahwa ada sejumlah kasus positif yang belum teridentifikasi sepenuhnya oleh sistem.Sementara itu, untuk kelas negatif, presisi yang dicapai adalah 69,95%, yang mengindikasikan bahwa terdapat kemungkinan kecil beberapa prediksi negatif mungkin tidak akurat.Namun, tingkat recall untuk kelas negatif mencapai 100%, artinya sistem berhasil mengidentifikasi semua kasus negatif dengan benar.Kesimpulan ini memberikan wawasan penting mengenai efektivitas dan keterbatasan sistem dalam mengklasifikasikan berbagai jenis respon.

Penelitian lanjutan dapat fokus pada pengembangan algoritma klasifikasi yang lebih kompleks untuk meningkatkan akurasi dalam mengidentifikasi komentar negatif yang terlewat. Selain itu, studi dapat diperluas ke platform media sosial lainnya selain YouTube untuk membandingkan respons publik secara lebih komprehensif. Terakhir, penelitian juga bisa mengeksplorasi faktor psikologis atau demografis pengguna media sosial yang memengaruhi persepsi mereka terhadap kasus bullying, sehingga memberikan wawasan lebih mendalam tentang dinamika sosial di lingkungan sekolah.

  1. 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
Read online
File size544.27 KB
Pages12
DMCAReport

Related /

ads-block-test