Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Rekayasa Teknologi Industri dan Informasi ReTII
Paramarta, Martin
Unknown Affiliation
Aerospace Engineering Automotive Engineering Chemical Engineering, Chemistry & Bioengineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Earth & Planetary Sciences Electrical & Electronics Engineering Energy Engineering Environmental Science Industrial & Manufacturing Engineering Materials Science & Nanotechnology Mechanical Engineering Physics Transportation

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

Found 1 Documents
Search

 1 
Implementasi Metode Support Vector Machine dalam Analisis Sentimen Opini Masyarakat Terhadap Pilkada 2020 pada Media Sosial Twitter Darmawan, J.B. Budi; Paramarta, Martin
Retii Vol 18 No 1 (2023): Prosiding Seminar Nasional ReTII ke-18 (Edisi Penelitian)
Publisher : Institut Teknologi Nasional Yogyakarta

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

Abstract

Pemilihan kepala daerah (Pilkada) tahun 2020 mengalami penundaan selama beberapa bulan karena efek pandemi COVID-19, hingga akhirnya ditetapkan untuk tetap digelar pada tanggal 9 Desember 2020. Banyak masyarakat beropini tentang pro dan kontra pelaksanaan Pilkada di tengah pandemi COVID-19 di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk mengetahui jumlah sentimen positif dan negatif serta performansi dari metode Support Vector Machine dalam mengklasifikasikan sentimen tweet tersebut. Data penelitian bersumber dari tweet dengan kata kunci “Pilkada 2020” yang berjumlah 6037 tweet. Data akan diberi label polaritas sentimen positif dan negatif secara otomatis. Hasil pengujian menunjukkan sebanyak 4864 data bersentimen positif dan 1173 data lainnya bersentimen negatif. Selain itu, hasil pengujian dalam penelitian ini menunjukkan bahwa metode Support Vector Machine memiliki performansi yang cukup baik dalam mengklasifikasikan sentimen tweet dengan hasil rata-rata akurasi sebesar 87,94%.
Co-Authors Darmawan, J.B. Budi