Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Progresif: Jurnal Ilmiah Komputer

Analisis Sentimen Seputar UU ITE Menggunakan Algoritma Support Vector Machine Yoga Vikriansyah Wijaya; Adhitia Erfina; Cecep Warman
Progresif: Jurnal Ilmiah Komputer Vol 17, No 2: Agustus 2021
Publisher : STMIK Banjarbaru

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (512.882 KB) | DOI: 10.35889/progresif.v17i2.644

Abstract

AbstractSentiment analysis of twitter tweets from the Indonesian people can be used as one of the parameters to be a support for the government in evaluating decision making and policies in the future. This study aims to find out the sentiments of Indonesian people's tweets on Twitter about the Information and Electronic Transaction Law. The data material used in this study uses a query on the Information and Electronic Transaction Law, Hate Speech, Defamation, Online Fraud, and Data Theft. The test is carried out by calculating accuracy, precision, recall and F1-score, using a variety of training data and test data. The highest accuracy results were obtained from the composition of 90% training data and 10% test data with an accuracy value of 84% with an average precision of 84%, recall 65%, f1-score 71% for each sentiment class.Keywords: Sentiment Analysis, Support Vector Machine Algorithm, Community TweetAbstrakAnalisis Sentimen cuitan twitter dari masyarakat Indonesia dapat dijadikan sebagai salah satu parameter untuk menjadi penunjang bagi pemerintah dalam mengevaluasi pengambilan keputusan dan kebijakan di masa yang akan datang. Penelitian ini bertujuan untuk mengetahui sentimen dari cuitan masyarakat Indonesia di twitter seputar Undang-Undang Informasi dan Transaksi Elektronik. Bahan data yang digunakan dalam penelitian ini menggunakan query Undang-Undang Informasi dan Transaksi Elektronik, Ujaran Kebencian, pencemaran nama baik, Penipuan Online, dan Pencurian data. Pengujian dilakukan dengan perhitungan akurasi, precision, recall dan F1-score, dengan menggunakan variatif data latih dan data uji. Hasil akurasi tertinggi didapatkan dari komposisi data latih 90% dan data uji 10% dengan nilai akurasi 84% dengan rata-rata precision 84%, recall 65%, f1-score 71% tiap kelas sentimen.Kata Kunci: Analisis Sentimen, Algoritma Support Vector Machine, Cuitan Masyarakat