Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer
Adam Punca Putra Pinaria
Unknown Affiliation
Computer Science & IT Education Engineering Library & Information Science

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN RANCANGAN UNDANG-UNDANG TINDAK PIDANA KEKERASAN SEKSUAL/UNDANG-UNDANG TINDAK PIDANA KEKERASAN SEKSUAL PENGGUNA TWITTER MENGGUNAKAN ALGORITMA NAÏVE BAYES CLASSIFIER Adam Punca Putra Pinaria; Widodo; Murien Nugraheni
PINTER : Jurnal Pendidikan Teknik Informatika dan Komputer Vol. 8 No. 2 (2024): Jurnal PINTER
Publisher : PTIK Fakultas Teknik UNJ

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21009/pinter.8.2.1

Abstract

Penelitian ini bertujuan untuk melakukan analisis sentimen Rancangan Undang-Undang Tindak Pidana Kekerasan Seksual/Undang-Undang Tindak Pidana Kekerasan Seksual pengguna Twitter menggunakan metode Naïve Bayes Classifier dan mengevaluasi kinerja klasifikasinya. Analisis sentimen pada penelitian ini menggunakan metode Naïve Bayes Classifier dengan pembobotan Term Frequency-Inverse Document Frequency. Proses pengumpulan data dilakukan menggunakan pustaka Snscrape Python. Data pakai yang digunakan untuk dibersihkan hanya yang bersentimen positif dan negatif. Proses pembersihan data melalui tahapan preproses teks yaitu Case Folding, Cleansing, Tokenizing, Stopword Removal, Stemming dan Normalization. Analisis sentimen yang dihasilkan berupa 12.807 data, dengan sentimen negatif sebanyak 10.263 data (80,1%) dan sentimen positif sebanyak 2.544 data (19,9%). Sentimen pengguna twitter Indonesia mengarah pada sentimen negatif. Pengujian kinerja model klasifikasi metode analisis sentimen penelitian ini menggunakan teknik Confusion Matrix pada hasil klasifikasi data uji dengan nilai Accuracy klasifikasi algoritma sebesar 93%, nilai Precision klasifikasi sebesar 99%, nilai Recall klasifikasi sebesar 87% dan F- Measure sebesar 93%. Dari nilai pengujian yang dihasilkan dapat disimpulkan model klasifikasi dengan metode algoritma Naive Bayes Classifier memiliki kinerja yang sangat baik.
Co-Authors Murien Nugraheni Widodo