Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Kurnianta, Kristana
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
SELEKSI DATA MENGGUNAKAN TIME INTERVAL ENTROPY UNTUK ANALISIS SENTIMEN DENGAN METODE SUPPORT VECTOR MACHINE Kurnianta, Kristana; Solichin, Achmad
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 9, No 3 (2024)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v9i3.5460

Abstract

Media sosial dianggap sebagai suatu perangkat penting bagi suatu organisasi dalam berinteraksi dengan para penggunanya. Keberadaan media sosial dapat memungkinkan pengguna untuk berbagi pendapat, ide, dan informasi dalam bentuk pesan atau komentar, termasuk terkait masalah korupsi dan lembaga penegak hukum seperti Komisi Pemberantasan Korupsi (KPK). Data pada media sosial tersebut dapat dimanfaatkan untuk melihat analisis sentimen masyarakat terhadap suatu hal. Salah satu tantangan yang berkaitan dengan media sosial adalah penggunaan bot. Dalam beberapa penelitian analisis sentimen, tahapan verifikasi terhadap tweet yang berasal dari akun bot sering diabaikan. Pendeteksian terhadap bot harus dilakukan agar didapatkan data yang lebih valid sehingga mampu memberikan hasil analisis sentimen yang dapat dipertanggungjawabkan. Tujuan dilakukannya penelitian ini adalah untuk melakukan optimasi data pre-processing pada analisis sentimen media sosial, dengan melakukan deteksi tweet dari akun bot yang dilihat dari nilai dari rasio followers/following dari setiap akun dan nilai time interval entropy sebelum tahap pre-processing data dilakukan. Analisis sentimen yang dilakukan dalam penelitian ini menggunakan metode Support Vector Machine dan didapatkan hasil bahwa dengan mengeliminasi tweet yang berasal dari akun bot mampu meningkatkan akurasi dari model yang dibuat. Jika dibandingkan antara dataset sebelum dan sesudah dilakukan eliminasi terhadap tweet dari akun bot terjadi peningkatan akurasi dari 0,9457 menjadi 0,9475.
Co-Authors Achmad Solichin