Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Malcom: Indonesian Journal of Machine Learning and Computer Science
sholekhah, Ananda
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Perbandingan Naïve Bayes dan Support Vector Machine Dalam Analisa Sentimen Tentang Penyitaan Aset Koruptor di Twitter: Comparison of Naïve Bayes and Support Vector Machine in Sentiment Analysis of Confiscation of Corrupt Assets on Twitter sholekhah, Ananda; Muntahanah, Muntahanah
MALCOM: Indonesian Journal of Machine Learning and Computer Science Vol. 5 No. 3 (2025): MALCOM July 2025
Publisher : Institut Riset dan Publikasi Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.57152/malcom.v5i3.2068

Abstract

Analisis sentimen merupakan salah satu pendekatan dalam memahami persepsi publik terhadap isu-isu sosial dan kebijakan pemerintah melalui data teks. Penelitian ini mengkaji opini masyarakat Indonesia terhadap pernyataan Presiden Prabowo Subianto mengenai penyitaan aset koruptor yang berbunyi “Apakah adil anaknya menderita?”. Data dikumpulkan dari Twitter sebanyak 1.561 tweet dalam rentang waktu 9 hingga 25 April 2025 dengan menggunakan kata kunci yang relevan. Proses analisis dilakukan melalui tahap prapemrosesan, pembobotan TF-IDF, dan klasifikasi menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Evaluasi performa model dilakukan menggunakan confusion matrix serta empat metrik evaluasi, yaitu akurasi, presisi, recall, dan F1-score. Hasil menunjukkan bahwa SVM unggul dengan akurasi 70,51% dan F1-score 0,69, sedangkan Naïve Bayes memperoleh akurasi 66,34% dan F1-score 0,66. Sentimen terbanyak berasal dari kelas positif, mengindikasikan mayoritas publik mendukung penyitaan aset koruptor meskipun berdampak pada keluarganya. Penelitian ini memperlihatkan efektivitas pendekatan machine learning dalam memetakan opini publik terhadap isu kebijakan kontroversial di media sosial.
Co-Authors Muntahanah, Muntahanah