Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Journal of Indonesia Road Safety

Social Media Sentiment Analysis to Measure Community Response in the Millennial Road Safety Festival Program Using TF-IDF and Support Vector Machine Saiful Bukhori; Sonya Sulistyono; Antonius Cahya Prihandoko; Januar Adi Putra; Windi Eka Yulia Retnani; Umroh Makhmudah; Muhammad Noor Dwi Eldianto
Journal of Indonesia Road Safety Vol 3 No 2 (2020): Journal of Indonesia Road Safety
Publisher : Traffic Accident Research Center, Indonesia Traffic Police Corps and University of Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.19184/korlantas-jirs.v3i2.16768

Abstract

This Sentiment Analysis is a combination of data mining and text mining. Sentiment Analysis itself is used to process various opinions that the public or experts have given through a variety of existing media. The argument is given to a product, service, or agency. Sentiment Analysis has three types of opinions: negative opinions, positive opinions, and neutral opinions. Based on the test results, the resulting model achieves the highest accuracy of 83.33% when using 80:20 scenario data, while the lowest accuracy of 80.00% is achieved when using the 60:40 scenario data. The higher the precision that will be obtained, whereas using less training data will be slightly unstable. ABSTRAK Sentiment Analysis merupakan perpaduan dari data mining dan teks mining, dimana Sentiment Analysis sendiri digunakan untuk mengolah berbagai macam opini yang telah diberikan oleh masyarakat atau para pakar melalui berbagai media yang ada, opini tersebut diberikan untuk sebuah produk, jasa maupun sebuah instansi. Pada Sentiment Analysis terdapat 3 jenis opini, yaitu opini negatif, opini positif dan opini netral. Berdasarkan hasil pengujian, model yang dihasilkan mencapai akurasi tertinggi yaitu 83,33% saat menggunakan data skenario 80:20, sedangkan akurasi terendah 80,00% dicapai ketika menggunakan skenario data 60:40 Skenario data dapat memengaruhi tingkat akurasi semakin banyak jumlah data pelatihan yang diberikan, semakin tinggi akurasi yang akan diperoleh, sedangkan jika menggunakan lebih sedikit data pelatihan, hasilnya akan sedikit tidak stabil.
Co-Authors Ahmad Fauzal Adifia Ahmad Firdaus Ababil Ahmad Firdaus Ababil Al Munawir Anam, M Khairul Ancah Caesarina Novi Marchianti Antonius Cahya Prihandoko Basbeth, Faishal Bayhaqqi Bayhaqqi Bukhori, Hilmi Aziz Dewi Kholifatul Ummah Dewi Rokhmah Dharmawan, Tio Diah Adistia Diah Adistia A Diah Ayu Retnani Wulandari Fahruddin Arrasyid Alfansuri Faishal Basbeth Feby Indriana Yusuf Feby Sabilhul Hanafi Firman Firman Furqon, Muhammad Ariful Furqon, Muhammad ‘Ariful FX Ady Soesetijo Gayatri Dwi Santika Gusfan Halik Hairul Anam Hanesya, Arini Farihatul Haryanto, Kurniawan Wahyu Hastungkara, Duhita Husnul Hotimatus s Husnul Hotimatus Sahroh I Ketut Eddy Purnama januar adi putra, januar adi Krisnha Dian Ayuningtyas Lucky Lhaura Van FC, Lucky Lhaura Luh Putu Ratna Sundari Mahamad, Abd Kadir Malik Qilsi, Fatkhur Ruli Markus Apriono Maulia Azizah Maulina Azizah Mauridhi Heri Purnomo Mochamad Hariadi Mohammad Ovi Sanjaya Mohammad Zarkasi Muhammad Noor Dwi Eldianto Mustika Rahmasuci Mustika Rahmasuci Nafolion Nur Rahmat, Nafolion Nur Negoro, Wahyu Saptha Nur Kholis Mansur Nuryadi Nuryadi Oktalia Juwita Oktavia, Nelly Puspitarini, Niken Wahyu Putra, Januar Adi PUTRI WULANDARI R., Windi Eka Y. Rebecca La Volla Nyoto Rizqi Alvian, Muhammad Bagus Saon, Sharifah Sari, Meylita Shasha Nur Faadhilah Sonya Sulistyono Sri Hartatik Sri Hernawati Sri Wahyuni Sumijan Sumijan Surmayanti, Surmayanti Syaiful Anam Tio Dharmawan Umroh Makhmudah Vivi Sefrinta Izza Afkarina Wijaya, Angga Ari Wiji Utami Windi Eka Yulia Retnani Yudha Alif Aulia Yudha Alif Auliya Yudhi Tri Gunawan Yunarni, Wiwik