TWITTER用户对PPKM扩展的情感分析使用了K-NEAREST方法

Arief Asro'i, Herny Februariyanti
{"title":"TWITTER用户对PPKM扩展的情感分析使用了K-NEAREST方法","authors":"Arief Asro'i, Herny Februariyanti","doi":"10.31294/jki.v10i1.12624","DOIUrl":null,"url":null,"abstract":"Banyaknya berita buruk yang beredar dalam sosial media mengenai kebijakan PPKM yang terus-meneurus diperpanjang menggugah rasa penasaran peneliti untuk memastikan apakah benar tanggapan masyarakat mengenai PPKM yang terus-menerus diperpanjang memanglah menuai kesan negatif. Dengan demikian, peneliti melakukan analisis sentimen pengguna twitter terhadap perpanjangan PPKM yang dapat digunakan sebagai bahan evaluasi dalam menentukan kebijakan. Twitter digunakan sebagai sumber data karena baru-baru ini twitter sedang naik daun setelah bertahun-tahun pasif karena kalah bersaing dengan sosial media lain. Dengan memanfaatkan teknologi machine learning kita dapat mengetahui sentimen seseorang berdasarkan ilmu statistik yang telah dikombinasikan dengan programming. Peneliti menggunakan algoritma K-Nearest Neighbor untuk menentukan sentimen pengguna twitter dengan bantuan library Scikit-learnyang populer di kalangan Data Scientist. Algoritma tersebut diterapkan ke 6408 data tweet dengan kata kunci “PPKM” yang dikumpulkan pada 1 Juli 2021 – 31 Desember 2021. Hasil training model membuktikan bahwa skor akurasi 69,5%, recall 69,5% , dan presisi 68,7%. ","PeriodicalId":384112,"journal":{"name":"Jurnal Khatulistiwa Informatika","volume":"46 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":"{\"title\":\"ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PERPANJANGAN PPKM MENGGUNAKAN METODE K-NEAREST NEIGHBOR\",\"authors\":\"Arief Asro'i, Herny Februariyanti\",\"doi\":\"10.31294/jki.v10i1.12624\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Banyaknya berita buruk yang beredar dalam sosial media mengenai kebijakan PPKM yang terus-meneurus diperpanjang menggugah rasa penasaran peneliti untuk memastikan apakah benar tanggapan masyarakat mengenai PPKM yang terus-menerus diperpanjang memanglah menuai kesan negatif. Dengan demikian, peneliti melakukan analisis sentimen pengguna twitter terhadap perpanjangan PPKM yang dapat digunakan sebagai bahan evaluasi dalam menentukan kebijakan. Twitter digunakan sebagai sumber data karena baru-baru ini twitter sedang naik daun setelah bertahun-tahun pasif karena kalah bersaing dengan sosial media lain. Dengan memanfaatkan teknologi machine learning kita dapat mengetahui sentimen seseorang berdasarkan ilmu statistik yang telah dikombinasikan dengan programming. Peneliti menggunakan algoritma K-Nearest Neighbor untuk menentukan sentimen pengguna twitter dengan bantuan library Scikit-learnyang populer di kalangan Data Scientist. Algoritma tersebut diterapkan ke 6408 data tweet dengan kata kunci “PPKM” yang dikumpulkan pada 1 Juli 2021 – 31 Desember 2021. Hasil training model membuktikan bahwa skor akurasi 69,5%, recall 69,5% , dan presisi 68,7%. \",\"PeriodicalId\":384112,\"journal\":{\"name\":\"Jurnal Khatulistiwa Informatika\",\"volume\":\"46 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-06-27\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"2\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Khatulistiwa Informatika\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.31294/jki.v10i1.12624\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Khatulistiwa Informatika","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31294/jki.v10i1.12624","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 2

摘要

社交媒体上流传的许多关于PPKM持续实施政策的坏消息引起了研究人员的好奇,以确定人们对持续延长PPKM的反应是否真实,会产生负面影响。因此,研究人员对PPKM延长进行了twitter上的情绪分析,该评估可以作为决策决策的评估材料。Twitter被用作数据来源,因为它最近变得更加消极,多年来一直处于与其他社交媒体竞争的失败状态。通过利用机器学习技术,我们可以根据统计科学与设计相结合来了解一个人的感受。研究人员使用邻近的K-Nearest算法,在著名数据科学家中使用的scikit - learnlibrary来确定twitter用户的情感。该算法应用于2021年7月1日至2021年12月31日收集的6408条推特数据。培训模型证明准确率为69.5%,召回率为69.5%,精度为68.7%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP PERPANJANGAN PPKM MENGGUNAKAN METODE K-NEAREST NEIGHBOR
Banyaknya berita buruk yang beredar dalam sosial media mengenai kebijakan PPKM yang terus-meneurus diperpanjang menggugah rasa penasaran peneliti untuk memastikan apakah benar tanggapan masyarakat mengenai PPKM yang terus-menerus diperpanjang memanglah menuai kesan negatif. Dengan demikian, peneliti melakukan analisis sentimen pengguna twitter terhadap perpanjangan PPKM yang dapat digunakan sebagai bahan evaluasi dalam menentukan kebijakan. Twitter digunakan sebagai sumber data karena baru-baru ini twitter sedang naik daun setelah bertahun-tahun pasif karena kalah bersaing dengan sosial media lain. Dengan memanfaatkan teknologi machine learning kita dapat mengetahui sentimen seseorang berdasarkan ilmu statistik yang telah dikombinasikan dengan programming. Peneliti menggunakan algoritma K-Nearest Neighbor untuk menentukan sentimen pengguna twitter dengan bantuan library Scikit-learnyang populer di kalangan Data Scientist. Algoritma tersebut diterapkan ke 6408 data tweet dengan kata kunci “PPKM” yang dikumpulkan pada 1 Juli 2021 – 31 Desember 2021. Hasil training model membuktikan bahwa skor akurasi 69,5%, recall 69,5% , dan presisi 68,7%. 
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
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