Opini Publik Terhadap Kebijakan Tarif Impor Donald Trump Menggunakan Logistic Regression dan SMOTE
DOI:
https://doi.org/10.32493/jicomisc.v3i2.49347Keywords:
Opini Publik, Youtube, Logistic Regression, SMOTE, Donald TrumpAbstract
Penelitian ini bertujuan untuk mengamati bagaimana opini publik bereaksi pada biaya masuk barang Donald Trump, yang ramai dibicarakan di dunia maya, terutama pada platform YouTube. Karena banyaknya pendapat yang muncul pada platform tersebut, penting sekali memakai cara yang cocok agar lebih paham akan opini yang disampaikan. Kami memakai metode logistic Regression yang digabung dengan metode SMOTE untuk penelitian ini, guna dalam menganalisis opini yang ada pada komentar yang tersebar luas pada platform Youtube. Kami membagi sentimen komentar jadi dua kelompok yaitu , positif atau negatif. Setelah dilakukan dari banyak tahapan analisis data, mulai dari membersihkan texs hingga menghapus karakter yang bukan termasuk teks menggunakan pre-processing dan ekstraksi fitur, Hasil yang telah dibangun dengan Logistic Regression, kemudian dataset akan diseimbangkan dengan SMOTE mendapatkan hasil precision pada sentimen negatif sebesar 95% dan sentimen positif sebesar 02%, recall pada sentimen negatif 74% dan sentimen positif 11%, F1-Score pada sentimen negatif 83% dan sentimen positif 03%, serta jumlah sample pada kelas sentimen negatif 210 dan kelas sentimen positif 9. dengan hasil penelitian ini Logistic Regression dan SMOTE dapat diterapkan.
References
Faiqah, F., Nadjib, M., & Amir, A. S. (2016). “YouTube Sebagai Sarana Komunikasi bagi Komunitas Makassarvidgram”, Jurnal Komunikasi KAREBA, vol. 5 no. 2, pp. 259-272, 2017, doi : https://doi.org/10.31947/kjik.v5i2.1905.
L. Indrianingsih and Budiarsih, "Analisis Hukum Konten Negatif di Platform YouTube di Indonesia", Bureaucracy Journal: Indonesia Journal of Law and Social-Political Governance, vol. 2, no. 3, pp. 892–915, 2022, doi: https://doi.org/10.53363/bureau.v2i3.71.
W. A. Maulina, A. Damayanti, “Dampak Tarif Impor Output dan Input Terhadap Probabilitas Perusahaan Keluar Dari Pasar”, vol. 13, pp. 47-70, 2018, https://jurnal.kemendag.go.id/index.php/bilp/article/view/367/221.
F. Caroline, R. G. S. Budi, 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, pp. 44-50, 2024, doi: https://doi.org/10.54082/jiki.141.
Kelvin, J. Banjarnahor, E. Indra, S. H. Sinurat, “Analisis Perbandingan Sentimen Corona Virus Disease-2019 (COVID19) Pada Twitter Menggunakan Metode Logistic Regression dan Support Vector Machine (SVM),”, Jusikom Prima, vol. 5, no. 2, pp. 47-52, 2022, doi: https://doi.org/10.34012/jurnalsisteminformasidanilmukomputer.v5i2.2365.
V. Wijaya dan N. Rachmat, "Penerapan SMOTE dan Regresi Logistik pada Website Skrining Awal Kesehatan Mental Mahasiswa," Jurnal Algoritma, vol. 5, no. 2, hlm. 121–130, 2025. doi: https://doi.org/10.35957/algoritme.v5i2.9046.
Ardiansyah, B., Daulay, I., Firdaus, M., Hutagaol, R., & Rahmaddeni. (2023). Analisis Sentimen Opini Publik Terhadap Penerimaan Bantuan Subsidi Upah (BSU) Menggunakan Algoritma Naive Bayes. Prosiding Seminar Nasional Penelitian dan Pengabdian Masyarakat (SENTIMAS), vol. 1, no. 1, pp. 155–162. doi: https://doi.org/10.58560/sentimas.v1i1.4353.
F. D. Pramakrisna, F. D. Adhinata, N. Annisa, and F. Tanjung, “Aplikasi Klasifikasi SMS Berbasis Web Menggunakan Algoritma Logistic Regression Web-based Classifying SMS Application Using Logistic Regression Algorithm,” vol. 11, no. 2, pp. 90–97, 2022, doi: https://doi.org/10.34148/teknika.v11i2.466.
Hakim, B., "Analisa Sentimen Data Text Preprocessing pada Data Mining dengan Menggunakan Machine Learning," Journal of Business and Audit Information Systems, vol. 4, no. 2, pp. 16–22, 2021, doi: http://dx.doi.org/10.30813/jbase.v4i2.3000.
Khairunnisa, S., Adiwijaya, dan Al Faraby, S., "Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19)," Jurnal Media Informatika Budidarma, vol. 5, no. 2, pp. 406–414, 2021, doi: https://doi.org/10.30865/mib.v5i2.2835.
Kasanah, A. N., Muladi, dan Pujianto, U., "Penerapan Teknik SMOTE untuk Mengatasi Imbalance Class dalam Klasifikasi Objektivitas Berita Online Menggunakan Algoritma KNN," Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 3, no. 2, pp. 196–201, 2019, doi: https://doi.org/10.30813/jurnal.iaii.v3i2.196-201.
