Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Computer Science and Information Technology (CoSciTech)
Melda Herwinanda
universitas muhammadiyah riau
Computer Science & IT

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis sentimen kenaikan harga kebutuhan pokok dimedia sosial youtube menggunakan algoritma support vector machine Rudy Asrianto; Melda Herwinanda
Jurnal CoSciTech (Computer Science and Information Technology) Vol 3 No 3 (2022): Jurnal Computer Science and Information Technology (CoSciTech)
Publisher : Universitas Muhammadiyah Riau

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37859/coscitech.v3i3.4368

Abstract

Kebebasan setiap orang dalam mengemukakan pendapat, tercurahkan dalam suatu wadah yang sekarang ini disebut sebagai media sosial. Youtube merupakan media sosial berbasis web streaming video atau situs untuk mengunggah dan menonton video. Memasuki pekan kedua bulan Januari tahun 2022, terjadi kenaikan harga bahan kebutuhan pokok diumumkan dibeberapa media berita online. Didalam forum diskusi channel media sosial Youtube telah dibahas mengenai survei kepuasan masyarakat, terhadap kepemimpinan presiden Jokowi-Ma`ruf Amin yang memperoleh nilai tingkat kepuasan 66-73 %. Diluar sana masyarakat umum merasa tidak puas karena kenaikan harga, dan mempertanyakan hasil survei tersebut dan kepada siapa survei tersebut dilakukan. Konten video ini mendapatkan jumlah viewers atau penonton sebanyak ratusan ribu hingga jutaan lebih, dan dibanjiri hingga puluhan ribu komentar oleh netizen. Penelitian ini menggunakan algoritma Support Vector Machine dalam mengklasifikasikan label komentar positif dan label komentar negatif, serta menggunakan teknik penyeimbangan jumlah label pada data yaitu SMOTE. Dari pengujian keempat model klasifikasi SVM, didapatkan SVM linear dengan SMOTE mendapatkan tingkat keakuratan terbaik dengan nilai akurasi tertinggi, yaitu 86.33%, diikuti dengan nilai presisi 75%, nilai recall 66.67%, dan nilai f1-score 70.59%. Pengujian juga dilakukan pada data validasi (data uji baru diluar dari dataset), didapatkan nilai akurasi 72%.
Co-Authors Asrianto, Rudy