Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine

Friska Aditia Indriyani, Ahmad Fauzi, Sutan Faisal
{"title":"Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine","authors":"Friska Aditia Indriyani, Ahmad Fauzi, Sutan Faisal","doi":"10.37373/tekno.v10i2.419","DOIUrl":null,"url":null,"abstract":"TikTok merupakan platform media sosial yang terpopuler saat ini, tidak sedikit pengguna aplikasi TikTok merupakan anak dibawah umur yang dapat memiliki dampak negatif. Adapun Sebagian masyarakat memberikan ulasan positif bahwa aplikasi TikTok ini membantu masyarakat dalam bidang bisnis Analisis sentiment digunakan untuk menganalisis opini yang terdapat dalam ulasan yang ditulis pengguna dengan mengelompokan ulasan positif dan negatif. Teknik yang digunakan dalam penelitian ini menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Hasil klasifikasi pada penelitian ini terdapat 76.7% berlabel positif dan 23.3% negatif dengan sejumlah 2000 data. Hasil akhir mendapatkan nilai accuracy sebesar 79% untuk metode Naïve Bayes, sedangkan nilai accuracy metode SVM sebesar 84% lebih tinggi dibandingkan metode Naïve Bayes","PeriodicalId":30843,"journal":{"name":"Jurnal Teknosains Jurnal Ilmiah Sains dan Teknologi","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-07-31","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Teknosains Jurnal Ilmiah Sains dan Teknologi","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.37373/tekno.v10i2.419","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

TikTok merupakan platform media sosial yang terpopuler saat ini, tidak sedikit pengguna aplikasi TikTok merupakan anak dibawah umur yang dapat memiliki dampak negatif. Adapun Sebagian masyarakat memberikan ulasan positif bahwa aplikasi TikTok ini membantu masyarakat dalam bidang bisnis Analisis sentiment digunakan untuk menganalisis opini yang terdapat dalam ulasan yang ditulis pengguna dengan mengelompokan ulasan positif dan negatif. Teknik yang digunakan dalam penelitian ini menggunakan algoritma Naïve Bayes dan Support Vector Machine (SVM). Hasil klasifikasi pada penelitian ini terdapat 76.7% berlabel positif dan 23.3% negatif dengan sejumlah 2000 data. Hasil akhir mendapatkan nilai accuracy sebesar 79% untuk metode Naïve Bayes, sedangkan nilai accuracy metode SVM sebesar 84% lebih tinggi dibandingkan metode Naïve Bayes
TikTok是当今最受欢迎的社交媒体平台,很多TikTok app用户都是未成年人,可能会产生负面影响。由于一些社区对TikTok应用程序帮助商业分析情感分析被用来分析用户撰写的正面或负面评论中包含的观点给予积极的评论。该研究使用的技术使用了Naive Bayes算法和SVM支持机。本研究的分类结果为阳性标记76.7%和23.3%呈阴性,共有2000项数据。Naive Bayes方法的准确率为79%,而SVM方法的准确值比Naive Bayes方法高84%
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
9
审稿时长
16 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