Penerapan Metode SMOTE Dalam Klasifikasi Sentimen Publik Terhadap Polisi Republik Indonesia Menggunakan Support Vector Machine
Abstract
Analisis sentimen atau ekstraksi opini adalah penelitian yang mengevaluasi sudut pandang, pemikiran, serta persepsi mengenai berbagai topik, subjek, dan produk dengan memanfaatkan data opini yang tersedia pada platform media sosial.. Platform media sosial populer seperti YouTube, khususnya melalui saluran "86 & Custom Protection NET" yang bekerjasama dengan Kepolisian Negara Republik Indonesia, menyajikan aktivitas polisi dan mendapat respons dari masyarakat dalam bentuk komentar. Komentar-komentar ini menjadi sumber data dalam penelitian text mining untuk mengklasifikasikan sentimen positif atau negatif. Penelitian ini menggunakan pendekatan menggunakan machine learning dengan metode Support Vector Machine (SVM) dan teknik SMOTE untuk menangani ketidakseimbangan data dalam komentar youtube. Hasil analisis menunjukkan akurasi sebesar 91%, dengan presisi 63%, recall 68%, dan f1 score 65% berdasarkan perhitungan confusion matrix.
References
Analisis Dan Penerapan, . et al. 2019. 7 Analisis Dan Penerapan Algoritma Support Vector Machine (SVM) Dalam Data Mining Untuk Menunjang Strategi Promosi (Analysis and Application of Algorithm Support Vector Machine (SVM) in Data Mining to Support Promotional Strategies).
Athira Luqyana, Wanda, Imam Cholissodin, and Rizal Setya Perdana. 2018. 2 Analisis Sentimen Cyberbullying Pada Komentar Instagram Dengan Metode Klasifikasi Support Vector Machine. http://j-ptiik.ub.ac.id.
Deng, Xinyang, Qi Liu, Yong Deng, and Sankaran Mahadevan. 2016. “An Improved Method to Construct Basic Probability Assignment Based on the Confusion Matrix for Classification Problem.” Information Sciences 340–341: 250–61.
Desai, Mitali, and Mayuri A Mehta. 2016. “Techniques for Sentiment Analysis of Twitter Data: A Comprehensive Survey.” In 2016 International Conference on Computing, Communication and Automation (ICCCA), , 149–54.
Dwi Fitriani, Reza, Hasbi Yasin, Departemen Statistika, and Fakultas Sains dan Matematika. 2021. “PENANGANAN KLASIFIKASI KELAS DATA TIDAK SEIMBANG DENGAN RANDOM OVERSAMPLING PADA NAIVE BAYES (Studi Kasus: Status Peserta KB IUD Di Kabupaten Kendal).” 10(1): 11–20.
Hidayatullah, Muhammad, Syariful Alam, and Irsan Jaelani. 2 Sentiment Analysis of Police Performance On Twitter Users Using Naïve Bayes Method. http://www.kontras.org/index.
Jurnal, Halaman, Harry Andriyan Maulana, and Arita Witanti. 2023. “JURNAL TEKNIK INFORMATIKA AUTOMATIC SUMMARIZING DOKUMEN REPOSITORY DENGAN TERM FREQUENCY-INVERSE DOCUMENT FREQUENCY METHOD.” JUTEKIN 11(1).
Magnolia, Cindy, Ade Nurhopipah, Dan Bagus, and Adhi Kusuma. 2022. 9 Edu Komputika Edu Komputika Journal Penanganan Imbalanced Dataset Untuk Klasifikasi Komentar Program Kampus Merdeka Pada Aplikasi Twitter. http://journal.unnes.ac.id/sju/index.php/edukom.
Munthe, Mampe Parulian, Anton Siswo, Raharjo Ansori, and Reza Rendian Septiawan. Analisis Sentimen Komentar Pada Saluran Youtube Food Vlogger Berbahasa Indonesia Menggunakan Algoritma Naïve Bayes Sentiment Analysis Comment on Indonesian Youtube Channel About Food Vlogger Using Naïve Bayes Algorithm.
Rahmawati, Dina, and Rini Silvi. Pengaruh Faktor Sosial Demografi Dan Kinerja Polisi Terhadap Kepercayaan Masyarakat Kepada Polisi Di Indonesia Tahun 2017 (Influence of Social Demographic Factors and Police Performance on Public Trust in Police in Indonesia in 2017).
Sutoyo, Edi et al. “JEPIN (Jurnal Edukasi Dan Penelitian Informatika) Penerapan SMOTE Untuk Mengatasi Imbalance Class Dalam Klasifikasi Television Advertisement Performance Rating Menggunakan Artificial Neural Network.”
Syakur, Abdus. 2021. “IMPLEMENTASI METODE LEXICON BASE UNTUK ANALISIS SENTIMEN KEBIJAKAN PEMERINTAH DALAM PENCEGAHAN PENYEBARAN VIRUS CORONA COVID-19 PADA TWITTER.” Jurnal Ilmiah Informatika Komputer 26(3): 247–60.
Zuber, Konar, and Mahasiswa Program Doktor Ilmu Hukum. 2017. 15 PERANAN LEMBAGA POLRI DALAM PENEGAKAN HUKUM Oleh. http://kbbi.web.id/Peranan.