ANALISIS SENTIMEN SERIKAT PEKERJA PERTAMINA TOLAK AHOK PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN ALGORITMA NAIVE BAYES

M. S. Putra, Sri Dharma Wati, Imam Solikin
{"title":"ANALISIS SENTIMEN SERIKAT PEKERJA PERTAMINA TOLAK AHOK PADA MEDIA SOSIAL YOUTUBE MENGGUNAKAN ALGORITMA NAIVE BAYES","authors":"M. S. Putra, Sri Dharma Wati, Imam Solikin","doi":"10.36050/BETRIK.V12I2.219","DOIUrl":null,"url":null,"abstract":"Dalam penelitian ini akan dilakukan analisis sentimen publik terhadap berita serikat pekerja pertamina tolak Ahok yang diungkapkan melalui jejaring sosial media youtube pada channel KompasTV. Pada berita tersebut terdapat sekitar 25000 komentar yang berisi kata-kata kasar bahkan ujaran kebencian ,berita ini menuai banyak komentar ada yang memuji, mengkritik dan menghina. Analisis sentimen merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas yaitu kelas sentimen positif dan negatif . Data yang digunakan pada penelitian ini berjumlah 1.000 komentar terdiri dari data latih atau data training 1000 dan data uji atau data testing 300, metode klasifikasi yang digunakan dalam penelitian ini adalah naive bayes. Pada penelitian ini pengambilan data menggunakan tools Rstudio dan diproses dengan menggunakan tools rapidminer studio, dan mendapatkan hasil akurasi nya sebesar 98.00%. Dari beberapa data yang telah di uji, terdapat beberapa data yang diprediksi neutral, data positif dan data yang diprediksi negatif. Dari kelas presisi, prediksi neutral memiliki nilai kelas 100.00%, prediksi positif memiliki nilai kelas sebesar 80.00% dan prediksi negatif memiliki nilai kelas presisi sebesar 66.67%.","PeriodicalId":127381,"journal":{"name":"Jurnal Ilmiah Betrik","volume":"1 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2021-08-12","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Ilmiah Betrik","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36050/BETRIK.V12I2.219","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Dalam penelitian ini akan dilakukan analisis sentimen publik terhadap berita serikat pekerja pertamina tolak Ahok yang diungkapkan melalui jejaring sosial media youtube pada channel KompasTV. Pada berita tersebut terdapat sekitar 25000 komentar yang berisi kata-kata kasar bahkan ujaran kebencian ,berita ini menuai banyak komentar ada yang memuji, mengkritik dan menghina. Analisis sentimen merupakan proses klasifikasi dokumen tekstual ke dalam dua kelas yaitu kelas sentimen positif dan negatif . Data yang digunakan pada penelitian ini berjumlah 1.000 komentar terdiri dari data latih atau data training 1000 dan data uji atau data testing 300, metode klasifikasi yang digunakan dalam penelitian ini adalah naive bayes. Pada penelitian ini pengambilan data menggunakan tools Rstudio dan diproses dengan menggunakan tools rapidminer studio, dan mendapatkan hasil akurasi nya sebesar 98.00%. Dari beberapa data yang telah di uji, terdapat beberapa data yang diprediksi neutral, data positif dan data yang diprediksi negatif. Dari kelas presisi, prediksi neutral memiliki nilai kelas 100.00%, prediksi positif memiliki nilai kelas sebesar 80.00% dan prediksi negatif memiliki nilai kelas presisi sebesar 66.67%.
在本研究中,将对伊斯兰教工会在罗盘频道上的youtube社交媒体网络上揭露的Ahok新闻进行公开情绪分析。在这篇报道中,大约有2.5万条评论包含了严厉的言论,甚至是仇恨言论。感情分析是将文本文档分为两类的过程,即正级和负级。本研究使用的数据有1000条评论,包括培训数据或培训数据1000和测试数据300,该研究使用的分类方法是naive bayes。在这项研究中,数据提取使用Rstudio工具,通过使用快速工具进行处理,并获得98%的准确率。在已经测试的数据中,有一些是可以预测的中性数据,正数据和负数据。从精度级,中性预测有10000%的值,正预测有80.00%的类值和负预测有66.67%的精度类值。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信