Metode Support Vector Machine dan Naïve Bayes Untuk Analisis Santimen Ibu Kota Nusantara

Muhamad Rafi  Akbar; Sarjon Defit; Sumijan

doi:10.35134/komtekinfo.v11i4.579

Authors

Muhamad Rafi Akbar Universitas Putra Indonesia YPTK Padang
Sarjon Defit Universitas Putra Indonesia YPTK Padang
Sumijan Universitas Putra Indonesia YPTK Padang

DOI:

https://doi.org/10.35134/komtekinfo.v11i4.579

Keywords:

ibu kota nusantara, tiktok, analisis sentimen, support vector machine, naive bayes

Abstract

Pemindahan Ibu Kota Nusantara (IKN) menimbulkan berbagai macam pro dan kontra. Mulai dari pemilihan lokasi, pengesahan Undang – Undang yang dinilai terlalu terburu – buru, dan akhir – akhir ini pemerintah juga mengajak masyarakat Indonesia untuk melaukan urun – dana (crowd funding) untuk membangun Ibu Kota Nusantara. Media sosial tiktok, Ibu Kota Nusantara (IKN) menjadi salah satu topik yang ramai diperbincangkan karena banyaknya opini dari berbagai kalangan masyarakat. Beberapa opini dari masyarakat di tiktok ini akan digunakan menjadi data penelitian analisis sentimen terhadap pendapat masyarakat mengenai pemindahan Ibu Kota Negara. Penelitian ini bertujuan untuk membandingkan efektivitas dua pendekatan untuk klasifikasi: Support Vector Machine dan Naïve Bayes, dalam menganalisis sentimen opini terhadap Ibu Kota Nusantara berdasarkan data Tiktok. Analisis sentimen opini sangat penting untuk memahami pandangan publik mengenai berbagai aspek Ibu Kota Nusantara. Data Tiktok yang digunakan akan melibatkan opini yang berkembang di media sosial mengenai Ibu Kota Nusantara. Metode yang digunakan dalam penelitian ini adalah Support Vector Machine dan Niave Bayes. Metodologi penelitian mencakup pengumpulan data, preprocessing, membagi data, pelatihan model Naïve Bayes dan SVM, evaluasi, serta analisis statistik untuk membandingkan kinerja kedua model. Dataset terdiri dari 1529 komentar yang diambil dari aplikasi Tiktok. Hasil akhir dari evaluasi yang dilakukan dapat dilihat perbandingan anatara metode Support Vector Machine dengan Naive Bayes berdasarkan tingkat akurasi yang diperolch oleh masing-masing metode. Support Vector Machine memperoleh tingkat aurasi 98%, di mana tingkat akurasinya lebih rendah daripada tingkat akurasi metode Naive Bayes dengan persentase 92%. Berdasarkan temuan analisis, prosedur yang menggunakan metode Support Vector Machine menunjukkan hasil yang lebih baik dibandingkan metode Naïve Bayes dalam mengukur sentimen terhadap Ibu Kota nusantara.

References

Q. A. A’yuniyah and M. Reza, “Penerapan Algoritma K-Nearest Neighbor Untuk Klasifikasi Jurusan Siswa Di Sma Negeri 15 Pekanbaru,” Indones. J. Inform. Res. Softw. Eng., vol. 3, no. 1, pp. 39–45, 2023, doi: 10.57152/ijirse.v3i1.484.

D. Oktavia, Y. R. Ramadahan, and M. Minarto, “Analisis Sentimen Terhadap Penerapan Sistem E-Tilang Pada Media Sosial Twitter Menggunakan Algoritma Support Vector Machine (SVM),” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 407–417, 2023, doi: 10.30865/klik.v4i1.1040.

M. A. Djamaludin, A. Triayudi, and E. Mardiani, “Analisis Sentimen Tweet KRI Nanggala 402 di Twitter menggunakan Metode Naïve Bayes Classifier,” J. JTIK (Jurnal Teknol. Inf. dan Komunikasi), vol. 6, no. 2, pp. 161–166, 2022, doi: 10.35870/jtik.v6i2.398.

J. Florensius Sianipar, Y. R. Ramadhan, and I. Jaelani, “Analisis Sentimen Pembangunan Kereta Cepat Jakarta-Bandung di Media Sosial Twitter Menggunakan Metode Naive Bayes,” Kaji. Ilm. Inform. dan Komput., vol. 4, no. 1, pp. 360–367, 2023, doi: 10.30865/klik.v4i1.1033.

N. R. O. S. A. R. Lestari, “Implementation Of Text Mining And Pattern Discovery With Naive Bayes Algorithm For Classification Of Text Documents,” Jzurnal Teknol. Inf. Komun. Digit. Zo., vol. 14, no. 1, pp. 88–102, 2023.

H. Paul, A. Sartika Wiguna, and H. Santoso, “Penerapan Algoritma Support Vector Machine Dan Naive Bayes Untuk Klasifikasi Jenis Mobil Terlaris Berdasarkan Produksi Di Indonesia,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 1, pp. 39–44, 2023, doi: 10.36040/jati.v7i1.5555.

E. Suryati, Styawati, and A. A. Aldino, “Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM),” J. Teknol. Dan Sist. Inf., vol. 4, no. 1, pp. 96–106, 2023, [Online]. Available: https://doi.org/10.33365/jtsi.v4i1.2445

F. Amaliah and I. K. Dwi Nuryana, “Perbandingan Akurasi Metode Lexicon Based Dan Naive Bayes Classifier Pada Analisis Sentimen Pendapat Masyarakat Terhadap Aplikasi Investasi Pada Media Twitter,” J. Informatics Comput. Sci., vol. 3, no. 03, pp. 384–393, 2022, doi: 10.26740/jinacs.v3n03.p384-393.

J. Muliawan and E. Dazki, “Sentiment Analysis of Indonesia’S Capital City Relocation Using Three Algorithms: Naïve Bayes, Knn, and Random Forest,” J. Tek. Inform., vol. 4, no. 5, pp. 1227–1236, 2023, doi: 10.52436/1.jutif.2023.4.5.1436.

S. Sumayah, F. Sembiring, and W. Jatmiko, “Analysis of Sentiment of Indonesian Community on Metaverse Using Support Vector Machine Algorithm,” J. Tek. Inform., vol. 4, no. 1, pp. 143–150, 2023, doi: 10.52436/1.jutif.2023.4.1.417.

D. Pramana, M. Afdal, M. Mustakim, and I. Permana, “Analisis Sentimen Terhadap Pemindahan Ibu Kota Negara Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neightbors,” J. Media Inform. Budidarma, vol. 7, no. 3, pp. 1306–1314, 2023, doi: 10.30865/mib.v7i3.6523.

P. Subarkah, P. W. Rahayu, I. Darmayanti, and R. Riyanto, “Sentiment Analysis on Reviews of Women’S Tops on Shopee Marketplace Using Naive Bayes Algorithm,” JITK (Jurnal Ilmu Pengetah. dan Teknol. Komputer), vol. 9, no. 1, pp. 126–133, 2023, doi: 10.33480/jitk.v9i1.4179.

P. Elisa and A. Rahman Isnain, “Comparison of Random Forest, Support Vector Machine and Naive Bayes Algorithms to Analyze Sentiment Towards Mental Health Stigma,” J. Tek. Inform., vol. 5, no. 1, pp. 321–329, 2024, [Online]. Available: https://doi.org/10.52436/1.jutif.2024.5.1.1817

F. M. Sarimole and W. Septian, “Analisis Sentimen Masyarakat Terhadap Isu Penundaan Pemilu 2024 Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine,” J. Sains dan Teknol., vol. 5, no. 3, pp. 890–899, 2024, [Online]. Available: http://ejournal.sisfokomtek.org/index.php/saintek/article/view/1359

R. B. Dahlian and D. Sitanggang, “Sentiment Analysis of Digital Television Migration on Twitter Using Naïve Bayes Multinomial Comparison, Support Vector Machines, and Logistic Regression Algorithms,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 12, no. 2, pp. 280–288, 2023, doi: 10.32736/sisfokom.v12i2.1668.