Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
Mohammad Amada
Esa Unggul University
Other

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

Found 1 Documents
Search

 1 
Analisis Sentimen atas Opini pada Twitter terhadap PERMENKOMINFO No.5 Tahun 2020 menggunakan Algoritma Klasifikasi Mohammad Amada; Munawar m
Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika) Vol 14, No 1 (2023): Juni
Publisher : Universitas Bandar Lampung (UBL)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36448/jsit.v14i1.2964

Abstract

Twitter merupakan salah satu media sosial yang paling banyak digunakan dalam menyampaikan opini atau pendapat terhadap suatu permasalahan yang muncul dan kerap menjadi trend topik. Pada 30 Juli 2022 viral #BlokirKominfo dan #PSEMelanggarHAM atas penerapan Peraturan Menteri Komunikasi dan Informatika No.5 Tahun 2020 tentang Penyelenggaraan Sistem Elektronik (PSE) Lingkup Privat atas pemberlakuan sanksi yang diterapkan kepada perusahaan yang tidak/belum mendaftarkan layanan sistemnya yang menyebabkan masyarakat tidak dapat mengakses layanan perusahaan tersebut. Berbagai respon yang muncul perlu dilakukan analisis untuk memahami opini yang disampaikan. Penelitian ini menggunakan metode Analisis Sentimen untuk mengerti apakah opini yang muncul bernilai positif, negatif, atau netral atas viralnya tagar tersebut. Labeling Sentimen dilakukan pada dataset tweet sebanyak 11658 menggunakan pendekatan Lexicon-Based Approach dengan mengimplementasikan kamus leksikal Indonesian Sentiment (InSet) Lexicon atas penelitian Fajri Koto dan Gemala Y Rahmaningtyas serta dilakukan klasifikasi data atas analisis sentimen pada penelitian ini. Metode Klasifikasi yang diterapkan terdiri dari 3 metode, yaitu Support Vector Machine (SVM), Naïve Bayes Classifier (NBC), dan K-Nearest Neighbors (KNN). Hasil Klasifikasi tertinggi didapatkan pada metode SVM dengan nilai akurasi sebesar 79 persen, hasil kedua didapatkan pada metode NBC dengan nilai akurasi sebesar 71 persen, dan hasil terendah didapatkan pada metode KNN dengan nilai akurasi sebesar 61 persen.
Co-Authors Munawar Munawar