Sentimen Opini Publik Terhadap Isu Pembangunan Tugu di Youtube Menggunakan Metode Random Forest dan SMOTE
DOI:
https://doi.org/10.32493/jicomisc.v3i2.49333Keywords:
Sentimen, Tugu, Random Forest, SMOTE, YoutubeAbstract
Pembangunan tugu sering kali menimbulkan pro dan kontra di kalangan masyarakat, terutama ketika proyek tersebut dianggap tidak sesuai dengan prioritas kebutuhan publik. Dalam era digital saat ini, opini masyarakat terhadap isu-isu seperti ini banyak disampaikan melalui media sosial dan platform berbagi video seperti YouTube.Pada penelitian ini, data dikumpulkan dari kolom komentar pada video yang membahas pembangunan tugu, kemudian dilakukan praproses teks sebelum dianalisis menggunakan metode Random Forest dengan SMOTE dan tanpa SMOTE.Hasil yang didapatkan bahwa, Algoritma Random Forest tanpa SMOTE didapatkan akurasi sebesar 0.97 sedangkan Algoritma Random Forest dengan SMOTE didapatkan akurasi 0.78. Terlihat juga nilai Precision tertinggi di dapatkan oleh Algoritma Random Forest tanpa SMOTE yaitu sebesar 1.00 untuk positif dan 0.97 untuk negatif, lalu nilai Recall tertinggi di dapatkan oleh Algoritma Random Forest tanpa SMOTE sebesar 0.53 untuk positif dan 1.00 untuk negatif, Dan Nilai F1 Score terbesar juga didapatkan oleh Algoritma Random Forest tanpa SMOTE sebesar 0.69 untuk positif dan 0.99 untuk negatif.Dari kesimpulan dari atas bahwa terdapat tidak kecocokannya penggunaan Metode Random Forest dan SMOTE, untuk penelitian ini disarankan lebih baik menggunakan Metode Random Forest Tanpa SMOTE.
References
Medhat, W., Hassan, A., & Korashy, H. (2016). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal, 5(4), 1093-1113. https://doi.org/10.1016/j.asej.2014.04.011.
Rakhmawati, N., & Wahyuni, E. S. (2021). Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(3), 504-511.
R. Kurniawan, F. Lestari, A. S. Batubara, M. Z. A. Nazri, K. Rajab, and R. Munir, “Indonesian LexiconBased Sentiment Analysis of Online Religious Lectures Review,” 2021.
E. K. Putri and T. Setiadi, “Penerapan Text Mining Pada Sistem Klasifikasi Email Spam Menggunakan Naive Bayes,” J. Sarj. Tek. Inform., vol. 2, no. 3, pp. 73–83, 2014.
S. Chohan, A. Nugroho, A. Maezar Bayu Aji, W. Gata, and S. Nusa Mandiri, “Analisis sentimen aplikasi duolingo menggunakan metode naïve bayes dan synthetic minority over sampling technique,” Paradigma –Jurnal Informatika dan Komputer, vol. 22, no. 2, pp. 139–144, 2020.
R. B. Bahaweres, F. Agustian, I. Hermadi, A. I. Suroso, and Y. Arkeman, “Software defect prediction using neural network based smote,” in International Conference on Electrical Engineering, Computer Science and Informatics (EECSI), Oct. 2020, vol. 2020-October, pp. 71–76. doi: 10.23919/EECSI50503.2020.9251874.
Lasama, A. P. E. P, A. Prasetiadi, F. Teknologi, I. Teknologi, and T. Purwokerto, “Prediksi Tsunami Pada Gempa Menggunakan Random Forest Classifier,” 2019.
P. Mega, N. Dharmapatni, N. Luh, and P. Merawati, “Jurnal Bumigora Information Technology ( BITe ) Penerapan Algoritma Support Vector Machine Dalam Sentimen Analisis Terkait Kenaikan Tarif BPJS Kesehatan Jurnal Bumigora Information Technology ( BITe ) Jurnal Bumigora Information Technology ( BITe ) Jurnal,” vol. 2, no. 2, pp. 105–112, 2020, doi: 10.30812/bite.v2i2.904.
F. A. Nugraha, N. H. Harani, and R. Habibi, Analisis Sentimen Terhadap Pembatasan Sosial Menggunakan Deep Learning, Pertama. Pertama.Bandung: Kreatif Industri Nusantara, 2020
S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 4, no. 1, pp. 10–19, Dec. 2023, doi: 10.57152/malcom.v4i1.983.
L. Aji Andika and P. Amalia Nur Azizah, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” 2019.
Y. P. Akbar, M. Sri Satyawati, and N. Putra Sastra, “Analisis Sentimen Kata Anjay pada Media Sosial Twitter Dalam Kajian Linguistik Komputasi,” Stilistika : Journal of Indonesian Language and Literature, vol. 1, no. 2, p. 62, Apr. 2022, doi: 10.24843/stil.2022.v01.i02.p06.
Z. Amrullah, A. Sofyan Anas, M. Adrian, and J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,” Jurnal, vol. 2, no. 1, 2020, doi: 10.30812/bite.v2i1.804.
J. Indri and Lindawati, “Analisis Sentimen Terhadap Sistem Informasi Akademik Mahasiswa Institut Teknologi Garut,” 2022. [Online]. Available: https://jurnal.itg.ac.id/
R. Siringoringo, “Klasifikasi Data Tidak Seimbang Menggunakan Algoritma SMOTE dan K-Nearest Neighbor,” J. ISD, vol. 3, no. 1, pp. 44–49, 2018.
F. Caroline, R. G. S. Budi, dan M. E. A. Rivan, "Analisis Sentimen Masyarakat terhadap Kasus Korupsi PT. Timah Menggunakan Metode Support Vector Machine," Jurnal Ilmu Komputer dan Informatika (JIKI), vol. 4, no. 1, pp. 43–50, Jun. 2024, doi: 10.54082/jiki.141.
