Claim Missing Document
Check
Articles

Found 2 Documents
Search
Journal : Malcom: Indonesian Journal of Machine Learning and Computer Science

Analisis Sentiment Kuliah Daring Di Media Sosial Twitter Selama Pandemi Covid-19 Menggunakan Algoritma Sentistrength: Online Lecture Sentiment Analisys On Twitter Social Media During The Covid-19 Pandamic Using Sentistrength Algorithm Reza Wahyu Hardian; Pradita Eko Prasetyo; Ulfa Khaira; Tri Suratno
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 2 (2021): MALCOM October 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (605.908 KB) | DOI: 10.57152/malcom.v1i2.15

Abstract

Analisys sentiment adalah suatu bentuk kegiatan yang digunakan untuk menganalisis opini masyarakat tentang suatu kejadian seperti kuliah daring selama pandemi Covid-19 melalui salah satu media sosial Twitter. Kuliah daring adalah suatu sistem pembelajaran yang dilakukan dengan membutuhkan internet dalam proses belajar- mengajar. Sedangkan Twitter adalah suatu platform microblogging yang digunakan untuk menulis suatu opini atau pendapat tentang suatu peristiwa. Metode SentiStrenth merupakan salah satu metode yang dapat digunakan untuk melakukan analisis sentiment terhadap kebijakan Kuliah Daring yang digunakan untuk mengklasifikasi suatu tweet berdasarkan tingkat emosinya. Hasil proses analisis sentiment menggunakan sentistrength berdasarkan opini masyarakat dalam hal ini pengguna Twitter terhadap kebijakan kuliah daring menghasilkan nilai netral dengan persentase 54%, dan tingkat akurasi 85%, serta tingkat kesalahan 15%.
Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon: Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon Desi Musfiroh; Ulfa Khaira; Pradita Eko Prasetyo Utomo; Tri Suratno
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 1 No. 1 (2021): MALCOM April 2021
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (680.45 KB) | DOI: 10.57152/malcom.v1i1.20

Abstract

Pelaksanaan perkuliahan daring pada berbagai kampus di Indonesia telah dipertegas sejak makin mewabahnya virus corona. Kuliah daring menjadi solusi untuk tetap menjalankan kegiatan belajar-mengajar di tengah masa pandemi. Namun pelaksanaan perkuliahan daring memunculkan berbagai macam opini dalam masyarakat, khususnya di kalangan pelajar. Hal ini juga menimbulkan sikap pro dan kontra dari berbagai pihak. Untuk itu dilakukan penambangan data dari twitter guna menganalisis sentimen terhadap topik “kuliah daring”. Data diklasifikasikan ke dalam 3 kelas, yaitu positif, negatif, dan netral. Penelitian ini dilakukan dengan teknik lexicon-based approach menggunakan InSet Lexicon sebagai kamus kata opini berbahasa Indonesia. Penentuan kelas sentimen untuk setiap kalimat diperoleh dari hasil perhitungan polarity score. Hasil klasifikasi dari 5811 data tweet ternyata mengandung 63.4% tweet negatif, 27.6% tweet positif, dan 8.9% tweet netral. Pengujian hasil klasifikasi dilakukan dengan metode cross-validation serta confusion matrix dengan 80% data latih dan 20% data uji memberikan nilai accuracy 79.2%, precision sebesar 72.9%, recall sebesar 62.8%, dan f-measure sebesar 67.4%.