Analisis Sentimen Berbasis Aspek Kinerja Polri Menggunakan SVM dengan Pendekatan POS Tagging
DOI:
https://doi.org/10.31598/sintechjournal.v7i2.1568Keywords:
Big Data, Machine Learning, Polri, POS Tagging, Support Vector MachineAbstract
Beragam opini masyarakat terkait kinerja POLRI terus bermunculan pada media sosial Twitter. Analisis sentimen dilakukan untuk mengetahui kecenderungan sentimen opini masyarakat dan aspek kinerja yang dibahas pada opini tersebut. Penelitian ini bertujuan untuk mengetahui aspek kinerja yang dibahas pada data tweet dan sentimen data tweet berdasarkan aspek kinerja POLRI. POS Tagging digunakan sebagai klasifikasi aspek kinerja POLRI yang meliputi “penanganan kejahatan”, “kecepatan respon”, “interaksi terhadap masyarakat”, dan “tidak beraspek”, serta metode Support Vector Machine (SVM) sebagai proses klasifikasi sentimen “positif”, “negatif”, dan “netral”. Proses POS Tagging dilakukan menggunakan metode Conditional Random Field (CRF), melalui teknik Bio-Tags dengan melabelkan aspek kinerja berdasarkan koleksi kata yang mencerminkan klasifikasi aspek kinerja. Pemodelan klasifikasi sentimen berdasarkan aspek kinerja POLRI dibangun dengan metode SVM. Diperoleh 1103 tweet melalui API Twitter dalam kurun waktu Januari 2023 sampai Oktober 2023 sebagai dataset awal, yang dibagi menjadi 80% data training dan 20% data testing. Hasil penelitian menunjukkan model klasifikasi sentimen berbasis aspek kinerja menggunakan SVM dengan pendekatan POS Tagging memperoleh akurasi sebesar 81%, presisi sebesar 83%, recall sebesar 81%, dan F1-score sebesar 81%.Penggunaan metode klasifikasi machine learning lainnya, kontinuitas penggunaan data awal, dan pengembangan aspek yang dianalisis dapat menjadi saran untuk pengembangan penelitian kedepannya.
Downloads
References
K. Tasaripa. “Tugas Dan Fungsi Kepolisian Sebagai Penegak Hukum,” J. Ilmu Huk. Leg. Opin., vol. 2 No. 1, pp. 2–9.2013.
Y. Sadyatma. “Analisis Sentimen Kinerja Kepolisian Republik Indonesia Di Twitter Menggunakan Naive Bayes Classifier”, Universitas AMIKOM Yogyakarta, 2022.
Undang-Undang Republik Indonesia Nomor 2 Tahun 2002 Tentang Kepolisian Negara Republik Indonesia.
X. Liu. “A big data approach to examining social bots on Twitter,” J. Serv. Mark., vol. 33 No. 4, pp. 369–379.2019.
R. Hasya. “7 Media Sosial Paling Banyak Digunakan Warganet Indonesia Sepanjang 2022,” GoodStats, 2023. [Daring]. Internet: https://goodstats.id/article/whatsapp-teratas-ini-7-media-sosial-paling-banyak-digunakan-warganet-indonesia-sepanjang-2022-iJklw. [Apr 08, 2024].
J. Winahyu dan I. Suharjo. “Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes,” Kumpul. Artik. Mhs. Pendidik. Tek. Inform., vol. 10 No. 2, pp. 206.2021.
G. A. Buntoro, T. B. Adji, dan A. E. Purnamasari. “Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation,” Citee, pp. 39–43.2014.
X. Wu dkk. “Top 10 algorithms in data mining,” Knowl. Inf. Syst., vol. 14 No. 1, pp. 1–37.2008.
N. H. Ovirianti, M. Zarlis, dan H. Mawengkang. “Support Vector Machine Using A Classification Algorithm,” SinkrOn., vol. 7 No. 3, pp. 2103–2107.2022.
H. A. Putranto, O. Setyawati, dan W. Wijono. “Pengaruh Phrase Detection dengan POS-Tagger terhadap Akurasi Klasifikasi Sentimen menggunakan SVM,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 5 No. 4, pp. 252–259.2016.
A. Mulyanto, Y. A. Nurhuda, dan N. Wiyanto. “Penyelesaian Kata Ambigu Pada Proses POS Tagging Menggunakan Algoritma Hidden Markov Model ( HMM )” Presented at Seminar Nasional Metode Kuantitatif, Lampung, Indonesia, 2017.
I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, dan F. Syafria. “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” J. Nas. Komputasi dan Teknol. Inf., vol. 5 No. 1, pp. 49–54.2022.
F. Saefulloh. “Part of Speech Tagger untuk Bahasa Indonesia Menggunakan Conditional Random Field ( CRF ),” 2017.
R. Banga dan P. Mehndiratta. “Tagging Efficiency Analysis on Part of Speech Taggers” Presented at International Conference on Information Technology (ICIT), Bhubaneswar, India, 2017.
W. Ningsih, B. Alfianda, R. Rahmaddeni, dan D. Wulandari. “Perbandingan Algoritma SVM dan Naïve Bayes dalam Analisis Sentimen Twitter pada Penggunaan Mobil Listrik di Indonesia,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4 No. 2, pp. 556–562.2024.
D. D. Nur Cahyo dkk. “Sentiment Analysis for IMDb Movie Review Using Support Vector Machine (SVM) Method,” Inf. J. Ilm. Bid. Teknol. Inf. dan Komun., vol. 8 No. 2, pp. 90–95.2023.
T. Widyanto, I. Ristiana, dan A. Wibowo. “Komparasi Naïve Bayes dan SVM Analisis Sentimen RUU Kesehatan di Twitter,” SINTECH (Science Inf. Technol. J., vol. 6 No. 3, pp. 147–161.2023.
A. Zilziana, A. A. Suryani, dan I. Asror. “Part of Speech Tagging Menggunakan Bahasa Jawa Dengan Metode Condition Random Fields,” e-Proceeding Eng., vol. 7 No. 2, pp. 8103–8111.2020.
M. Kurniawan, K. Kusrini, dan M. R. Arief. “Part of Speech Tagging Pada Teks Bahasa Indonesia dengan BiLSTM + CNN + CRF dan ELMo,” J. Eksplora Inform., vol. 11 No. 1, pp. 29–37.2022.
R. Melita, V. Amrizal, H. B. Suseno, dan T. Dirjam. “Penerapan Metode Term Frequency Inverse Document Frequency (Tf-Idf) Dan Cosine Similarity Pada Sistem Temu Kembali Informasi Untuk Mengetahui Syarah Hadits Berbasis Web (Studi Kasus: Hadits Shahih Bukhari-Muslim),” J. Tek. Inform., vol. 11 No. 2, pp. 149–164.2018.
N. W. S. Saraswati, I. P. K. S. Putra, I. D. M. K. Muku, dan G. D. Pramitha. “Support Vector Machine For Hoax Detection,” SINTECH (Science Inf. Technol. J., vol. 6 No. 2, pp. 107–117.2023.
D. K. Pathak, S. K. Kalita, dan D. K. Bhattacharya. “Hyperspectral image classification using support vector machine: a spectral spatial feature based approach,” Evol. Intell., vol. 15 No. 3, pp. 1809–1823.2022.
D. Siregar, F. Ladayya, N. Z. Albaqi, dan B. M. Wardana. “Penerapan Metode Support Vector Machines (SVM) dan Metode Naïve Bayes Classifier (NBC) dalam Analisis Sentimen Publik terhadap Konsep Child-free di Media Sosial Twitter,” J. Stat. dan Apl., vol. 7 No. 1, pp. 93–104.2023.
P. Bhatia. Data Mining Data Warehouseing Principales and Practical Techniques. Cambridge: Cambridge University Press, 2019.
Downloads
Published
Issue
Section
License
Copyright (c) 2024 I Gede Ary Suta Sanjaya, I Made Candiasa, Luh Joni Erawati Dewi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright in each article belongs to the author.
- The authors admit that SINTECH Journal as a publisher who published the first time under
Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0) License. - Authors can include writing separately, regulate distribution of non-ekskulif of manuscripts that have been published in this journal into another version (eg sent to respository institution author, publication into a book, etc.), by recognizing that the manuscripts have been published for the first time in SINTECH Journal
1.png)
