Article Per Year (5 Year)
p-Index From 2021 - 2026
0.408
P-Index
This Author published in this journals
All Journal Jurnal Ilmiah Teknologi Informasi dan Robotika
Shinta Yuan Ayu Pratiwi
Unknown Affiliation
Automotive Engineering Computer Science & IT Control & Systems Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN TERHADAP FACEBOOK MARKETPLACE MENGGUNAKAN METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE Shinta Yuan Ayu Pratiwi; Salamun Rohman Nudin
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol 3 No 2 (2021): Desember 2021
Publisher : Program Studi Teknik Informatika Fakultas Ilmu Komputer Universitas Pembangunan Nasional "Veteran" Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v3i2.55

Abstract

Abstrak—Pandemi Covid-19 berdampak pada banyak hal, salah satunya budaya jual beli masyarakat. Jual beli masyarakat yang tadinya dilakukan secara langsung berubah menjadi jual beli secara online karena mengikuti aturan pemerintah untuk membatasi interaksi secara langsung maupun berkerumun. Facebook Marketplace adalah tempat jual beli secara online yang dikhususkan untuk pengguna Facebook karena berada didalam platform Facebook. Dibutuhkan data berupa opini mengenai Facebook Marketplace untuk melakukan analisis sentimen. Pengumpulan data opini diambil dari API Twitter karena Twitter merupakan media sosial yang banyak digunakan masyarakat untuk menampung opini dan paling update. Dari opini tersebut dapat dilihat sentimen tingkat kepuasan pengguna Facebook Marketplace dengan membaginya kedalam kelas sentimen negatif dan sentimen positif. Metode Lexicon Based digunakan untuk pembobotan opini sentimen positif dan negatif, kemudian proses klasifikasinya menggunakan metode Support Vector Machine (SVM). Hasil pembobotan menggunakan metode Lexicon Based menunjukkan hasil sentimen positif sebesar 82,6%, sedangkan sentimen negatif sebesar 17,4. Pada klasifikasi SVM menghasilkan nilai akurasi 51%, nilai presisi 51%, nilai recall 64%, dan AUC sebesar 0,51. pada kernel polynomial menghasilkan akurasi sebesar 52%, nilai presisi sebesar 84%, nilai recall sebesar 6%, dan AUC sebesar 0,52. Kata Kunci— Pandemi Covid-19, Facebook Marketplace. Twitter, Lexicon based, Support Vector Machine (SVM).
Analisis Sentimen terhadap Facebook Marketplace Menggunakan Metode Lexicon Based dan Support Vector Machine Shinta Yuan Ayu Pratiwi; Salamun Rohman Nudin
Jurnal Ilmiah Teknologi Informasi dan Robotika Vol. 3 No. 2 (2021): Jurnal Ilmiah Teknologi Informasi dan Robotika
Publisher : Universitas Pembangunan Nasional Veteran Jawa Timur

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33005/jifti.v3i2.55

Abstract

Pandemi Covid-19 berdampak pada banyak hal, salah satunya budaya jual beli masyarakat. Jual beli masyarakat yang tadinya dilakukan secara langsung berubah menjadi jual beli secara online karena mengikuti aturan pemerintah untuk membatasi interaksi secara langsung maupun berkerumun. Facebook Marketplace adalah tempat jual beli secara online yang dikhususkan untuk pengguna Facebook karena berada didalam platform Facebook. Dibutuhkan data berupa opini mengenai Facebook Marketplace untuk melakukan analisis sentimen. Pengumpulan data opini diambil dari API Twitter karena Twitter merupakan media sosial yang banyak digunakan masyarakat untuk menampung opini dan paling update. Dari opini tersebut dapat dilihat sentimen tingkat kepuasan pengguna Facebook Marketplace dengan membaginya kedalam kelas sentimen negatif dan sentimen positif. Metode Lexicon Based digunakan untuk pembobotan opini sentimen positif dan negatif, kemudian proses klasifikasinya menggunakan metode Support Vector Machine (SVM). Hasil pembobotan menggunakan metode Lexicon Based menunjukkan hasil sentimen positif sebesar 82,6%, sedangkan sentimen negatif sebesar 17,4. Pada klasifikasi SVM menghasilkan nilai akurasi 51%, nilai presisi 51%, nilai recall 64%, dan AUC sebesar 0,51. pada kernel polynomial menghasilkan akurasi sebesar 52%, nilai presisi sebesar 84%, nilai recall sebesar 6%, dan AUC sebesar 0,52.
Co-Authors SALAMUN ROHMAN NUDIN