Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine
DOI:
https://doi.org/10.30812/matrik.v20i2.1130Keywords:
Sentiment Analysis, Support Vector Machine, Classification, Internet Provider, Twitter DataAbstract
Media sosial saat ini merupakan media komunikasi yang sering digunakan oleh kalangan masyarakat Indonesia dalam menyampaikan sebuah opini. Salah satu media yang sering digunakan masyarat adalah twitter. Twitter merupakan media sosial yang memberikan banyak informasi melalui tweet, dari informasi yang ditulis tersebut terdapat data yang dapat diolah. Penelitian ini menggunakan teknik text mining dengan menerapkan algoritma Support Vector Machine dipergunakan untuk klasifikasi sentimen pengguna twitter terhadap layanan internet Biznet. Kernel yang digunakan adalah kernel Linear dan kernel RBF. Pengujian dilakukan dengan 3 skenario, pada skenario 1 menggunakan 800 data, skenario 2 menggunakan 900 data dan skenario 3 menggunakan 1000 data, untuk pembagiannya yaitu 90% data training dan 10% data testing dari masing-masing skenario. Berdasarkan hasil pengujian yang dilakukan menggunakan kernel linear dan kernel RBF dapat diambil kesimpulan sebagai berikut. Algoritma SVM menggunakan dengan kernel linear maupun kernel RBF memiliki hasil kinerja evaluasi baik dari sisi akurasi, presisi dan recall yang relatif sama. Sehingga dapat dikatakan bahwa algoritma SVM baik dengan kernel RBF maupun Linear sama sama dapat digunakan dengan baik dalam menentukan sentimen pengguna internet Biznet. Selain itu dengan 3 skenario pengujian dengan jumlah data yang berbeda algoritma SVM baik dengan kernel RBF maupun Linear sama sama konsisten kinerjanya.
Downloads
Download data is not yet available.
References
[1] Asosiasi Penyelenggara Jasa Internet Indonesia, “Penetrasi & Profil Perilaku Pengguna Internet Indonesia,†Apjii, p. 51, 2018.
[2] A. Balahur, R. Mihalcea, and A. Montoyo, “Computational approaches to subjectivity and sentiment analysis: Present and envisaged methods and applications,†Computer Speech and Language, vol. 28, no. 1, pp. 1–6, 2014.
[3] kominfo, “Indonesia Peringkat Lima Pengguna Twitter,†https://kominfo.go.id/, 2012. .
[4] P. R. Shaver, U. Murdaya, and R. C. Fraley, “Structure of the Indonesian emotion lexicon,†Asian Journal of Social Psychology, vol. 4, no. 3, pp. 201–224, 2001.
[5] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),†Jurnal Media Informatika Budidarma, vol. 4, no. 3, p. 650, 2020.
[6] C. . Manning, P. Raghavan, and H. Schutze, “Introduction to Information Retrieval,†Cambridge University Press, 2008.
[7] I. Rozi, S. Pramono, and E. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,†Jurnal EECCIS, vol. 6, no. 1, pp. 37–43, 2012.
[8] B. Liu, entiment Analysis: Mining Opinions, Sentiments, and Emotions. Cambridge: Cambridge University Press, 2015.
[9] A. Fathan Hidayatullah, M. Rifqi Ma, and arif Program Studi Manajemen Informatika STMIK Jenderal Achmad Yani Yogyakarta Jl Ringroad Barat, “Penerapan Text Mining dalam Klasifikasi Judul Skripsi,†Seminar Nasional Aplikasi Teknologi Informasi (SNATi) Agustus, pp. 1907–5022, 2016.
[10] H. Yu, X. Huang, X. Hu, and H. Cai, “A comparative study on data mining algorithms for individual credit risk evaluation,†Proceedings - 2010 International Conference on Management of e-Commerce and e-Government, ICMeCG 2010, pp. 35–38, 2010.
[11] B. Pang and L. Lee, “Thumb Up ? Sentiment Classification Using Machine Learning Techiques,†Prociding of the Conference on Empirical Method in Natural Language Processing Empirical Method in Natural Language Processing, pp. 79–86, 2002.
[12] E. Tyagi and A. K. Sharma, “Sentiment Analysis of Product Reviews using Support Vector Machine Learning Algorithm,†Indian Journal of Science and Technology, vol. 10, no. 35, pp. 1–9, 2017.
[13] P. H. Saputro, M. Aristin, and Dy. L. Tyas, “Klasifikasi Lagu Daerah Indonesia Berdasarkan Lirik Menggunakan Metode Tf- Idf Dan Naïve Bayes,†Jurnal Teknoloi Informatika dan Terapan, vol. 4, no. 1, pp. 45–50, 2017.
[14] K. A. B. Permana, M. Sudarma, and W. G. Ariastina, “Analisis Rating Sentimen pada Video di Media Sosial Youtube Menggunakan STRUCT-SVM,†Majalah Ilmiah Teknologi Elektro, vol. 18, no. 1, p. 113, 2019.
[15] N. A. Vidya, M. I. Fanany, and I. Budi, “Twitter Sentiment to Analyze Net Brand Reputation of Mobile Phone Providers,†Procedia Computer Science, vol. 72, pp. 519–526, 2015.
[16] A. D. Hartanto, A. Syaputra, and Y. Pristyanto, “Best parameter selection of rabin-Karp algorithm in detecting document similarity,†2019.
[17] C.-W. Hsu, C. Chih-Chung, and C.-J. Lin, “A Practical Guide to Support Vector Classification,†BJU international, vol. 101, no. 1, pp. 1396–400, 2008.
[18] B. Max, Principles of Data Mining. London: Springer, 2007.
[19] R. Feldman and J. Sanger, The Text Mining Handbook. 2007.
[2] A. Balahur, R. Mihalcea, and A. Montoyo, “Computational approaches to subjectivity and sentiment analysis: Present and envisaged methods and applications,†Computer Speech and Language, vol. 28, no. 1, pp. 1–6, 2014.
[3] kominfo, “Indonesia Peringkat Lima Pengguna Twitter,†https://kominfo.go.id/, 2012. .
[4] P. R. Shaver, U. Murdaya, and R. C. Fraley, “Structure of the Indonesian emotion lexicon,†Asian Journal of Social Psychology, vol. 4, no. 3, pp. 201–224, 2001.
[5] R. Tineges, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),†Jurnal Media Informatika Budidarma, vol. 4, no. 3, p. 650, 2020.
[6] C. . Manning, P. Raghavan, and H. Schutze, “Introduction to Information Retrieval,†Cambridge University Press, 2008.
[7] I. Rozi, S. Pramono, and E. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,†Jurnal EECCIS, vol. 6, no. 1, pp. 37–43, 2012.
[8] B. Liu, entiment Analysis: Mining Opinions, Sentiments, and Emotions. Cambridge: Cambridge University Press, 2015.
[9] A. Fathan Hidayatullah, M. Rifqi Ma, and arif Program Studi Manajemen Informatika STMIK Jenderal Achmad Yani Yogyakarta Jl Ringroad Barat, “Penerapan Text Mining dalam Klasifikasi Judul Skripsi,†Seminar Nasional Aplikasi Teknologi Informasi (SNATi) Agustus, pp. 1907–5022, 2016.
[10] H. Yu, X. Huang, X. Hu, and H. Cai, “A comparative study on data mining algorithms for individual credit risk evaluation,†Proceedings - 2010 International Conference on Management of e-Commerce and e-Government, ICMeCG 2010, pp. 35–38, 2010.
[11] B. Pang and L. Lee, “Thumb Up ? Sentiment Classification Using Machine Learning Techiques,†Prociding of the Conference on Empirical Method in Natural Language Processing Empirical Method in Natural Language Processing, pp. 79–86, 2002.
[12] E. Tyagi and A. K. Sharma, “Sentiment Analysis of Product Reviews using Support Vector Machine Learning Algorithm,†Indian Journal of Science and Technology, vol. 10, no. 35, pp. 1–9, 2017.
[13] P. H. Saputro, M. Aristin, and Dy. L. Tyas, “Klasifikasi Lagu Daerah Indonesia Berdasarkan Lirik Menggunakan Metode Tf- Idf Dan Naïve Bayes,†Jurnal Teknoloi Informatika dan Terapan, vol. 4, no. 1, pp. 45–50, 2017.
[14] K. A. B. Permana, M. Sudarma, and W. G. Ariastina, “Analisis Rating Sentimen pada Video di Media Sosial Youtube Menggunakan STRUCT-SVM,†Majalah Ilmiah Teknologi Elektro, vol. 18, no. 1, p. 113, 2019.
[15] N. A. Vidya, M. I. Fanany, and I. Budi, “Twitter Sentiment to Analyze Net Brand Reputation of Mobile Phone Providers,†Procedia Computer Science, vol. 72, pp. 519–526, 2015.
[16] A. D. Hartanto, A. Syaputra, and Y. Pristyanto, “Best parameter selection of rabin-Karp algorithm in detecting document similarity,†2019.
[17] C.-W. Hsu, C. Chih-Chung, and C.-J. Lin, “A Practical Guide to Support Vector Classification,†BJU international, vol. 101, no. 1, pp. 1396–400, 2008.
[18] B. Max, Principles of Data Mining. London: Springer, 2007.
[19] R. Feldman and J. Sanger, The Text Mining Handbook. 2007.
Downloads
Published
2021-05-30
Issue
Section
Articles
How to Cite
[1]
F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine”, MATRIK, vol. 20, no. 2, pp. 407–416, May 2021, doi: 10.30812/matrik.v20i2.1130.
Similar Articles
- Firda Yunita Sari, Maharani sukma Kuntari, Hani Khaulasari, Winda Ari Yati, Comparison of Support Vector Machine Performance with Oversampling and Outlier Handling in Diabetic Disease Detection Classification , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 3 (2023)
- Irma Binti Sya'idah, Sugiyarto Surono, Goh Khang Wen, DynamicWeighted Particle Swarm Optimization - Support Vector Machine Optimization in Recursive Feature Elimination Feature Selection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- Supangat Supangat, Mohd Zainuri Bin Saringat, Mochamad Yovi Fatchur Rochman, Predicting Handling Covid-19 Opinion using Naive Bayes and TF-IDF for Polarity Detection , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Pardomuan Robinson Sihombing, Istiqomatul Fajriyah Yuliati, Penerapan Metode Machine Learning dalam Klasifikasi Risiko Kejadian Berat Badan Lahir Rendah di Indonesia , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 20 No. 2 (2021)
- Fitra Ahya Mubarok, Mohammad Reza Faisal, Dwi Kartini, Dodon Turianto Nugrahadi, Triando Hamonangan Saragih, Gender Classification of Twitter Users Using Convolutional Neural Network , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
- Baiq Rima Mozarita Erdiani, Aryo Yudo Husodo, Ida Bagus Ketut Widiartha, Novel Application of K-Means Algorithm for Unique Sentiment Clustering in 2024 Korean Movie Reviews on TikTok Platform , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 24 No. 2 (2025)
- Lusiana Efrizoni, Sarjon Defit, Muhammad Tajuddin, Anthony Anggrawan, Komparasi Ekstraksi Fitur dalam Klasifikasi Teks Multilabel Menggunakan Algoritma Machine Learning , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 21 No. 3 (2022)
- Akmal Setiawan Wijaya, Dhomas Hatta Fudholi, Ahmad R. Pratama, A computational approach in analyzing the empathy to online donations during COVID-19 , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Nurun Latifah, Ramaditia Dwiyansaputra, Gibran Satya Nugraha, Multiclass Text Classification of Indonesian Short Message Service (SMS) Spam using Deep Learning Method and Easy Data Augmentation , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 3 (2024)
- Andris Faesal, Aziz Muslim, Aditya Hastami Ruger, Kusrini Kusrini, Sentimen Analisis pada Data Tweet Pengguna Twitter Terhadap Produk Penjualan Toko Online Menggunakan Metode K-Means , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 19 No. 2 (2020)
You may also start an advanced similarity search for this article.
Most read articles by the same author(s)
- Cherfly Kaope, Yoga Pristyanto, The Effect of Class Imbalance Handling on Datasets Toward Classification Algorithm Performance , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 22 No. 2 (2023)
- Rizky Hafizh Jatmiko, Yoga Pristyanto, Investigating The Effectiveness of Various Convolutional Neural Network Model Architectures for Skin Cancer Melanoma Classification , MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer: Vol. 23 No. 1 (2023)
.png)
