Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia)
Salsa Desia Fitri
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Engineering

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

Found 1 Documents
Search

 1 
Perbandingan Metode Naïve Bayes dan Support Vector Machine Pada Kasus Pembunuhan Vina Cirebon Berdasarkan Data X Salsa Desia Fitri; Parjito
JUSTINDO (Jurnal Sistem dan Teknologi Informasi Indonesia) Vol. 10 No. 1 (2025): JUSTINDO
Publisher : Universitas Muhammadiyah Jember

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32528/justindo.v10i1.2550

Abstract

Tindakan kriminal sering terjadi hampir setiap tahun. Seperti halnya pada tahun 2016 maupun di tahun sebelumnya atau sesudahnya banyak terjadi tindakan kriminal pembunuhan diberbagai kota yang semakin meningkat, contoh dari tindakan kriminal yaitu seperti tindakan curanmor, pencurian, kekerasan, pelecehan dan penipuan. Salah satu tindakan kriminal terjadi pada tahun 2016 yang artinya pembunuhan ini terjadi sejak 8 tahun yang lalu tetapi sampai saat ini kasus tersebut belum terungkap dikarenakan banyak nya kejanggalan yang terjadi pada kasus tersebut, dan banyak nya muncul saksi-saksi baru yang muncul di kasus tersebut sehingga kasus tersebut sampai saat ini belum juga terungkap dalang di balik kasus pembunuhan ini. Kasus ini sedang banyak diperbincangkan oleh masayarakat di media sosial khususnya TikTok dan X, Karena dianggap sensasional, penekanan media pada isu ini telah memunculkan kekhawatiran serius, dan berpotensi mengeksploitasi. Oleh karena itu, opini masyarakat mengenai kasus pembunuhan ini tentu beragam. Oleh karena itu, analisis sentimen digunakan dalam penelitian ini untuk membandingkan metode Naïve Bayes dan Support Vector Machine untuk memastikan apakah opini publik terhadap suatu isu cenderung positif atau negatif berdasarkan data X. Menurut penelitian tersebut, 7146 titik data dikumpulkan antara bulan April dan Juli. Dengan tingkat akurasi 97% untuk Support Vector Machines serta 84,86% untuk Naïve Bayes, hasil klasifikasi model dari masing-masing teknik menghasilkan akurasi yang cukup akurat. Berdasarkan nilai akurasi dan evaluasi dari confusion matrix algoritma yang lebih optimal dalam analasis sentimen terkait kasus pembunuhan ini yaitu algoritma SVM dengan menghasilkan sentimen positif sebanyak 1384 data dan sentimen negatif sebanyak 1383 data.
Co-Authors Parjito