Implementasi Metode Naïve Bayes dan Support Vector Machine (SVM) untuk Menganalisis Sentimen Pengguna Twitter terhadap Transjakarta
DOI:
https://doi.org/10.26594/jmpm.v9i1.4494Abstract
Twitter adalah media sosial populer di Indonesia yang digunakan untuk mengungkapkan perasaan dan menyampaikan opini. Transjakarta adalah transportasi umum dengan jumlah penumpang harian terbanyak. Pengguna Transjakarta kerap berbagi pengalaman baik atau buruk, serta opini di Twitter. Beberapa masalah pada Transjakarta yang dibahas di Twitter yaitu terkait penutupan halte sementaradan kasus asusila yang dialami oleh pengguna Transjakarta. Artikel ini menganalisis opini pengguna Twitter tentang Transjakarta menggunakan metode Support Vector Machine (SVM) dan Naïve Bayes. Lexicon based digunakan untuk pemberian label pada 6736 tweet. Hasil analisis menunjukkan 2228 tweet positif dan 2821 tweet negative. Metode Support Vector Machine mencapai akurasi 84.95%, presisi 83%, recall 83% dan f1-score 83%, sedangkan Naïve Bayes mencapai akurasi 76.43%, presisi 78%, recall 68% dan f1-score 73%.
References
Annur, C. M. (2022, November). Ini rute bus transjakarta dengan jumlah penumpang terbanyak pada 2021. databoks.katadata.co.id.
Annur, C. M. (2023). Pengguna twitter di indonesia capai 24 juta hingga awal 2023, peringkat berapa di dunia? databoks.katadata.co.id.
Antonio, N., de Almeida, A., & Nunes, L. (2022). Data mining and predictive analytics for e-tourism. In Handbook of E-Tourism, 531–555. https://doi.org/https://doi.org/10.1007/978-3-030-48652-5_29
Awad, M., & Khanna, R. (2015). Efficient learning machines: theories, concepts, and applications for engineers and system designers. Springer nature.
Dewi, S. (2019). Komparasi metode algoritma data mining pada prediksi uji kelayakan credit approval pada calon nasabah kredit perbankan. Jurnal Khatulistiwa Informatika, 7(1). https://doi.org/10.31294/jki.v7i1.5744
Febriyani, E., & Februariyanti, H. (2023). Analisis sentimen terhadap program kampus merdeka menggunakan naive bayes classifier di twitter. Jurnal TeknoKompak, 17(1), 25–38. https://doi.org/10.30865/json.v4i2.5381
Friedman, J. (2009). The elements of statistical learning: Data mining, inference, and prediction. In Springer.
Géron, A. (2019). Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow. “ O’Reilly Media, Inc.”
Haj, A. S. A., & Amrizal, V. (2020). Analisis sentimen kinerja kpu pemilu 2019 menggunakan algoritma k-means dengan algoritma confix stripping stemmer. Journal of Innovation Information Technology and Application (JINITA), 2(1), 9–18.
Ikasari, D., Fajarwati, Y., & Widiastuti. (2020). Analisis sentimen dan klasifikasi tweets berbahasa indonesia terhadap transportasi umum mrt jakarta menggunakan naïve bayes classifier. Jurnal Ilmiah Informatika Komputer, 25(1), 64–75. https://doi.org/10.35760/ik.2020.v25i1.2427
Jo, T. (2019). Text mining: Concepts, implementation, and big data challenge (Vol. 45).
Koto, F., & Rahmaningtyas, G. Y. (2017). Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs. 2017 International Conference on Asian Language Processing (IALP), 391–394.
Laurensz, B., & Sediyono, E. (2021). Analisis sentimen masyarakat terhadap tindakan vaksinasi dalam upaya mengatasi pandemi covid-19. Jurnal Nasional Teknik Elektro dan Teknologi Informasi, 10(2), 118–123. https://doi.org/10.22146/jnteti.v10i2.1421
Manalu, D. R., Tobing, M. C. L., & Yohanna, M. (2022). Analisis sentimen twitter terhadap wacana penundaan pemilu dengan metode support vector machine. METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi, 6(2), 149–156.
Pratama, D. R. S., Munandar, T. A., & Ramdhania, K. F. (2024). Multinomial naive bayes algorithm for indonesian language sentiment classification related to jakarta international stadium (jis). International Journal of Information Technology and Computer Science Applications, 2(1), 12–22.
Rokhman, K. A., Berlilana, B., & Arsi, P. (2021). Perbandingan metode support vector machine dan decision tree untuk analisis sentimen review komentar pada aplikasi transportasi online. Journal of Information System Management (JOISM), 2(2), 1–7.
Sabrani, A., & Bimantoro, F. (2020). Multinomial naïve bayes untuk klasifikasi artikel online tentang gempa di indonesia. Jurnal Teknologi Informasi, Komputer, dan Aplikasinya (JTIKA), 2(1), 89–100.
Sharda, R., Delen, D., & Turban, E. (2018). Business intelligence, analytics, and data science: a managerial perspective. pearson.
Witten, I. H., & Frank, E. (2002). Data mining: practical machine learning tools and techniques with java implementations. Acm Sigmod Record, 31(1), 76–77.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 JMPM: Jurnal Matematika dan Pendidikan Matematika
![Creative Commons License](http://i.creativecommons.org/l/by/4.0/88x31.png)
This work is licensed under a Creative Commons Attribution 4.0 International License.
All information and contents of articles contained in JMPM: Jurnal Matematika dan Pendidikan Matematika are free to read, download, print, copy, or share with various legal purposes.
The formal legal aspect of access to any information and articles contained in this journal website refers to the Creative Commons Attribution 4.0 International (CC BY 4.0) license terms.