Article Per Year (5 Year)
p-Index From 2020 - 2025
0.659
P-Index
This Author published in this journals
All Journal Sci-Tech Journal Journal of Empowerment and Community Service Buffer Informatika
Rudiman
Unknown Affiliation
Religion Agriculture, Biological Sciences & Forestry Computer Science & IT Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Engineering Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Public Health Social Sciences

Published : 3 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Buffer Informatika

 1 
Optimasi Ekstraksi Fitur TF-IDF Menggunakan Genetic Algorithm Pada Metode Support Vector Machine Dalam Menentukan Opini Publik Terhadap Keberlanjutan IKN Patimah, Siti; Rudiman; Yulianto, Fendy
Buffer Informatika Vol. 11 No. 2 (2025): Buffer Informatika
Publisher : Department of Informatics Engineering, Faculty of Computer Science, University of Kuningan, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Perubahan opini masyarakat mengenai keberlanjutan Kota Ibu Kota Negara (IKN) menjadi topik penting dalam memahami respon masyarakat terhadap kebijakan pemerintah. Penelitian ini bertujuan untuk menganalisis sentimen publik berdasarkan komentar YouTube dengan menggunakan metode Term Frekuensi-Inverse Document Frekuensi (TF-IDF) sebagai teknik ekstraksi fitur dan Support Vector Machine (SVM) sebagai algoritma klasifikasi. Untuk meningkatkan akurasi prediksi, digunakan Algoritma Genetika (GA) dalam optimasi parameter SVM. Dataset yang digunakan dalam penelitian ini terdiri dari komentar masyarakat di platform YouTube mengenai keberlanjutan IKN. Proses analisis diawali dengan preprocessing teks yang meliputi pelipatan kasus, penghapusan stopword, dan stemming. Selanjutnya fitur teks diekstraksi menggunakan TF-IDF dan diklasifikasikan menggunakan model SVM. Algoritma Genetika diterapkan untuk mencari parameter optimal sehingga kinerja model dapat ditingkatkan. Hasil penelitian menunjukkan bahwa pendekatan ini mampu mengklasifikasikan sentimen masyarakat ke dalam tiga kategori utama: positif, netral, dan negatif dengan tingkat akurasi lebih tinggi dibandingkan metode SVM tanpa optimasi. Penelitian ini diharapkan dapat memberikan wawasan bagi pengambil kebijakan dalam merancang strategi komunikasi publik dan memahami persepsi masyarakat terhadap keberlanjutan
Co-Authors Andromeda, Radhitya Fahrezi, Irqi Anbi Fendy Yulianto Hasudungan, Rofilde Ilham, Muhammad Fauzan Nur Naufal Azmi Verdikha Reza, Andi Siti Patimah Yahya, Alan