Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika)
Saputra, M Rafli
Unknown Affiliation
Computer Science & IT Education

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN TWITTER TERHADAP KONFLIK DI PAPUA MENGGUNAKAN PERBANDINGAN NAIVE BAYES DAN SVM Saputra, M Rafli; Parjito, Parjito
JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika) Vol 10, No 2 (2025)
Publisher : STKIP PGRI Tulungagung

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29100/jipi.v10i2.6180

Abstract

Konflik di Papua merupakan isu yang kompleks dan telah berlangsung selama beberapa dekade, melibatkan berbagai faktor seperti politik, ekonomi, sosial, dan budaya. Ketegangan antara pemerintah Indonesia dan kelompok separatis Papua sering kali memicu konflik bersenjata, pelanggaran hak asasi manusia, dan ketidakstabilan regional. Konflik ini juga menarik perhatian berbagai pihak, termasuk masyarakat internasional dan pengguna media sosial, khususnya di platform Twitter.Data yang dikumpulkan dari Twitter menggunakan kata kunci terkait konflik Papua. Proses analisis meliputi tahap pengumpulan data, pra-pemrosesan teks, dan pelabelan sentimen (positif, negatif, netral). Penelitian ini menggunakan 5723 data yang diperoleh melalui teknik web scraping terkait topik tersebut. Tujuan penelitian ini adalah membandingkan performa dua algoritma klasifikasi yang populer dalam analisis sentimen, yaitu Naïve Bayes dan Support Vector Machine (SVM). Sebelum perbandingan dilakukan, optimasi SMOTE (Synthetic Minority Over-sampling Technique) digunakan untuk menyeimbangkan jumlah data minoritas dan mayoritas, sehingga kedua algoritma dapat belajar secara lebih efektif dari setiap kelas sentimen. Hasil perbandingan menunjukkan bahwa algoritma Naïve Bayes memiliki akurasi sebesar 95%, sedangkan SVM mencapai akurasi 99%, dengan presisi 99%, recall 98%, dan F1-Score 99%. Evaluasi performa dilakukan dengan menganalisis confusion matrix dari setiap algoritma. Kesimpulannya, SVM dapat menjadi pilihan yang lebih baik untuk analisis sentimen mengenai konflik Papua. Penelitian ini memberikan kontribusi penting dalam memahami opini masyarakat terkait konflik di Papua.
Co-Authors Parjito, Parjito