Pengaruh Seleksi Fitur Particle Swarm Optimization terhadap Sentimen Analisis Aplikasi Pedulilindungi di Twitter dengan Algoritma Support Vector Machine

Penulis

  • Irza Ramira Putra Universitas Pembangunan Nasional Veteran Jakarta
  • Yuni Widiastiwi Universitas Pembangunan Nasional Veteran Jakarta
  • Nurul Chamidah Universitas Pembangunan Nasional Veteran Jakarta

DOI:

https://doi.org/10.52958/iftk.v18i3.4681

Kata Kunci:

Analisis Sentimen, PeduliLindungi, Twitter, Support Vector Machine, Particle Swarm Optimization

Abstrak

PeduliLindungi merupakan aplikasi yang ditujukan kepada masyarakat guna menangkal serta menangani COVID-19 di Indonesia. Aplikasi ini wajib dimiliki oleh masyarakat Indonesia, sebagai salah satu hal untuk kewajiban yang dibuat oleh pemerintah dari perundangan yang dibuat untuk memasuki fasilitas publik. Tentunya aplikasi ini juga mendatangkan beberapa tanggapan dari masyarakat. Tanggapan tersebut bisa diungkapkan melalui media sosial yang cukup populer seperti twitter. Melalui twitter, mereka bebas mengungkapkan pendapat mereka tentang penggunaan aplikasi tersebut. Penelitian ini bermaksud untuk mendapatkan informasi sentimen terkait opini masyarakat yang berhubungan dengan penggunaan aplikasi PeduliLindungi, dengan mengaplikasikan algoritma Support Vector Machine serta kernel Radial Basis Function dan algoritma seleksi fitur yaitu Particle Swarm Optimization dalam mengklasifikasikan opini masyarakat terhadap aplikasi PeduliLindungi dari data tweet yang sudah diperoleh serta diberi label sentimen bersifat positif dan label sentimen bersifat negatif. Model Support Vector Machine menghasilkan akurasi sebesar 76.24%, recall (sensitivity) sebesar 82.14%, presisi sebesar 76.67%, dan specificity sebesar 68.89%, sedangkan model Support Vector Machine ditambahkan seleksi fitur yaitu Particle Swarm Optimization mengalami pengingkatan akurasi sebesar 88.12%, recall (sensitivity) sebesar 96.43%, presisi sebesar 84.36%, dan specificity sebesar 77.78%.

Referensi

S. Olivia, J. Gibson, dan R. Nasrudin, “Indonesia in the Time of Covid-19,” Bull Indones Econ Stud, vol. 56, no. 2, hal. 13-174, Agustus 2020, doi: https://doi.org/10.1080/00074918.2020.1798581.

P. Putra, F. Y. Liriwati, T. Tahrim, S. Syafrudin, S. Suhono, dan A. Aslan, “The Students Learning from Home Experiences during Covid-19 School Closures Policy in Indonesia”, jurnal iqra’, vol. 5, no. 2, hal. 30–42, Sep. 2020.

A. Fadli, “Mengenal Covid-19 Dan Cegah Penyebarannya Dengan “Peduli Lindungi” Aplikasi Berbasis Andorid,” 2020.

D. Herdiana, “Aplikasi Peduli Lindungi: Perlindungan Masyarakat Dalam Mengakses Fasilitas Publik di Masa Pemberlakuan Kebijakan PPKM,” Jurnal Inovasi Penelitian, vol. 2, no. 6, hal. 1685-1693, 2021.

V. Alatas, A. G. Chandrasekhar, M. Mobius, B. A. Olken, dan C. Paladines, “When Celebrities Speak: A Nationwide Twitter Experiment Promoting Vaccination in Indonesia,” Communication & Computational Methods eJournal, 2019.

H. S. Arifin, W. Widyowati, dan D. T. Hernawaty, “Freedom of Expression Di Media Sosial Bagi Remaja Secara Kreatif Dan Bertanggung Jawab: Bagi Siswa SMA Al-Ma’soem Rancaekek dan SMA Muhammadiyah Pangandaran,” Jurnal Pengabdian Kepada Masyarakat, vol.1, no. 5, hal. 332-337, Oktober 2017.

R. Tineges, A. Triayudi, dan I. D. Sholihati, “Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM),” Jurnal Media Informatika Budidarma, vol. 4, no. 3, Juli 2020, doi: http://dx.doi.org/10.30865/mib.v4i3.2181.

B. Rifai, B. D. Febryanto, F. Yulianto, dan N. Reflianah, “Analisis Sentimen Opini Publik Terhadap Penerapan Kebijakan Social Distancing Dalam Pencegahan Covid-19,” Paradigma, vol. 23, no. 1, 2021.

F. Adams, L. Ernawati, dan N. Chamidah, “Analisis Sentimen Vaksin COVID-19 pada Twitter Menggunakan Algoritma Support Vector Machine,” dalam Seminar Nasional Mahasiswa Bidang Ilmu Komputer dan Aplikasinya, vol. 2, no. 2, 2021.

D. Alita, dan A. Rahman, “Pendeteksian Sarkasme pada Proses Analisis Sentimen Menggunakan Random Forest Classifier,” Jurnal Komputasi, vol. 8, no. 2, 2020, doi: http://dx.doi.org/10.23960%2Fkomputasi.v8i2.2615.

D. Sarkar, “Text Analytics with Python,” dalam Apress, 2016.

Unduhan

Diterbitkan

2022-12-28

Terbitan

Vol 18 No 3 (2022): Desember 2022

Bagian

Article

Lisensi

KEBIJAKAN YANG DIAJUKAN UNTUK JURNAL YANG MENAWARKAN AKSES TERBUKA

Syarat yang harus dipenuhi oleh Penulis sebagai berikut:

  1. Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Commons Attribution License yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
  2. Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
  3. Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).