Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Information Engineering and Technology
Ramadhan, Rayhan Dwi
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
Komparasi Beberapa Algoritma Machine Learning untuk Klasifikasi Sentimen Pengguna X (Twitter) Terkait Isu Kabur Aja Dulu Ramadhan, Rayhan Dwi; Arifin, Fatchul
Journal of Information Engineering and Technology Vol. 3 No. 2 (2025): September 2025
Publisher : Department of Electronics and Informatics Education

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jiety.v3i2.2160

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial X (Twitter) terhadap isu “Kabur Aja Dulu” serta membandingkan performa beberapa algoritma machine learning dalam mengklasifikasikan sentimen tersebut. Penelitian ini menggunakan pendekatan kuantitatif dengan kerangka kerja SEMMA (Sample, Explore, Modify, Model, Assess). Data dikumpulkan melalui teknik crawling menggunakan tools Tweet Harvest dan diproses melalui tahapan preprocessing seperti pembersihan data, normalisasi, tokenisasi, dan stemming. Pelabelan sentimen dilakukan dengan pendekatan lexicon-based menggunakan InSet Lexicon, sementara proses ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Untuk mengatasi ketidakseimbangan kelas, diterapkan metode Synthetic Minority Oversampling Technique (SMOTE). Enam algoritma diuji, yaitu Support Vector Machine (SVM), Logistic Regression, Naive Bayes, Random Forest, Decision Tree, dan K-Nearest Neighbors (KNN). Hasil penelitian menunjukkan bahwa mayoritas sentimen bersifat negatif. Algoritma SVM menghasilkan akurasi terbaik sebesar 80%, diikuti oleh Logistic Regression (77%) dan Random Forest (75%). Temuan ini menunjukkan bahwa SVM paling efektif digunakan dalam klasifikasi sentimen terkait isu sosial, dan dapat menjadi acuan dalam pengembangan sistem pemantauan opini publik.
Co-Authors Fatchul Arifin