Article Per Year (5 Year)
p-Index From 2020 - 2025
1.704
P-Index
This Author published in this journals
All Journal Jurnal Pendidikan Bahasa SEIKO : Journal of Management & Business Patria Artha Management Journal Edumaspul: Jurnal Pendidikan IDENTIFIKASI: Jurnal Ilmiah Keselamatan, Kesehatan Kerja dan Lindungan Lingkungan JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) SPORTIVE: Journal Of Physical Education, Sport and Recreation Jurnal Pendidikan dan Pembelajaran Sekolah Dasar (JPPSD) eProceedings of Engineering Pinisi Journal of Education and Management
Asriana Asriana, Asriana
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Economics, Econometrics & Finance Education Electrical & Electronics Engineering Engineering Environmental Science Industrial & Manufacturing Engineering Languange, Linguistic, Communication & Media Public Health Social Sciences Transportation Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : eProceedings of Engineering

 1 
Analisis Sentimen Pada Media Sosial Twitter Menggunakan Support Vector Machine (SVM) Terhadap Kata Kunci #TheLinkinJKT Asriana, Asriana; Pratiwi, Oktariani Nurul; Fakhrurroja, Hanif
eProceedings of Engineering Vol. 11 No. 4 (2024): Agustus 2024
Publisher : eProceedings of Engineering

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Abstrak — Pada penelitian ini dilakukan sentimen analisis terhadap tweetss terkait #TheLinkinJKT mengenai segi <SistemTicketing= dan <Kepuasan Event= dengan kategori sentimen label positif dan negatif. Sentimen analisis dilakukan menggunakanpendekatan Machine Learning dengan algoritma Support VectorMachine (SVM). Terdapat 1.331 jumlah data keseluruhan pada <Sistem Ticketing= dengan 650 tweetss dengan label positif dan705 tweetss dengan label negatif. Sedangkan pada <Kepuasan Event= terdapat 4.400 jumlah data keseluruhan dengan 1.995dengan label positif dan 2.402 dengan label negatif, pelabelan datadilakukan secara manual. Berdasarkan hasil analisismenggunakan SVM, akurasi tertinggi pada <Sistem Ticketing=dengan rasio split 70:30 sebesar 0,737 atau 73% dan akurasitertinggi pada <Kepuasan Event= dengan rasio split 80:20 sebesar0,743 atau 74%. Adapun hasil evaluasi kinerja modelmenggunakan K-Fold Cross Validation pada <Sistem Ticketing=dengan hasil accuracy sebesar 0,74, precision sebesar 0,71, recallsebesar 0,71 dan f1- score sebesar 0,71, sedangkan pada<Kepuasan Event= hasil accuracy sebesar 0,74, precision sebesar0,82, recall sebesar 0,57, dan f1-score sebesar 0,68. Hasil darianalisis ini diharapkan dapat memberikan digunakan sebagaifeedback bagi pihak terkait untuk meningkatkan kualitas layananyang diberikan dari sisi sistem ticketing dan kepuasan konsumenterhadap event yang diselenggarakan oleh pihak promotorDyandra Global Edutainment untuk acara-acara berikutnya. Kata kunci— Analisis Sentimen, Support Vector Machine, Natural Language Processing
Co-Authors Agustiana, Nathifa Ahmad, Andika Alamsyah, Syaiful Anindita, K.A Anwar, Muh. Fauzan Asriany Asriany, Asriany Dewi, Aprilia Resky Surya Esti Ismawati Fakhrurroja, Hanif Gaffar, Asrul Hafid, Erwan Hasanuddin Hasanuddin Isgunandar, Isgunandar Jariah, Ishak Ainul Jumawan Jasman M, Usman MARIA BINTANG Martini Martini Muhammad, Hasan Abdullah Muharman Lubis Nasaruddin H Noeryanto, Noeryanto Nurmiati Nurmiati Oktariani Nurul Pratiwi Ramli, Irwandi Putra Rintik, Rintik Samsul Bachri, Samsul Sandy, Muhammad Dwi Harry Sandy, Muhammad Dwi Hary Sultan, Muh. Irzal syahrul, muhammad Yani, Mega Fitri