Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine

Styawati Styawati, Nirwana Hendrastuty, A. R. Isnain
{"title":"Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine","authors":"Styawati Styawati, Nirwana Hendrastuty, A. R. Isnain","doi":"10.30591/JPIT.V6I3.2870.G1588","DOIUrl":null,"url":null,"abstract":"Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen  masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"6","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Jurnal Pengembangan IT","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30591/JPIT.V6I3.2870.G1588","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 6

Abstract

Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen  masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.
基于向量机支持的推特卡片程序公众情绪分析
2020年,通过总统关于通过就业前卡计划发展劳动能力的第36条规则,启动了就业前卡项目。推特上对工作卡计划的进一步划分吸引了作家们分析印尼社会对工作卡项目的感受,即政府为克服PHK劳动力的扩散和牺牲所做的三驾马车的努力,关键词是“工人前期”。使用的情绪有积极的、消极的和中性的。使用支持向量机(SVM)在社交媒体推特上获得的数据分析民意的方法。同时使用混淆矩阵方法来测量SVM的分类性能。在本研究中,用RBF对两个细胞核进行了线性比较。在线性核准确度值98.67%、准确度98%、召回率99%和F1分数98%下进行的评估结果,而在RBF核准确率值98.34%、准确度97%、召回率98%、F1分数98%时,可以得出结论,推特用户对流行病更倾向于中性的职前卡计划的社会情绪为98.34%。根据对线性核精度值进行的评估结果,它产生的精度值为98.67%,而RBF核产生的精度为98.34%,因此从线性核精度方面来看,它比RBF核更准确。
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
审稿时长
24 weeks
×
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