ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM)

Syifa Rahmawati Hakim, M. Rizki, F NovalIrgiZekha, Nurhidayatul Fitri, A YolandaRizkie, Rani Nooraeni
{"title":"ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM)","authors":"Syifa Rahmawati Hakim, M. Rizki, F NovalIrgiZekha, Nurhidayatul Fitri, A YolandaRizkie, Rani Nooraeni","doi":"10.24252/MSA.V8I2.16795","DOIUrl":null,"url":null,"abstract":"COVID-19 merupakan suatu pandemi baru yang disebabkan oleh coronavirus dan banyak memberikan dampak salah satunya pada dunia pendidikan sehingga mengharuskan menggunakan sistem pembelajaran jarak jauh. Untuk mendukung sistem tersebut, pemerintah Indonesia melalui Kemdikbud memberikan bantuan kepada peserta didik dan tenaga pendidik berupa bantuan kuota internet. Sebagian masyarakat menyampaikan tanggapan dan opininya mengenai bantuan kuota yang disediakan pemerintah di media sosial salah satunya Instagram. Opini-opini tersebut dimanfaatkan untuk mengetahui penilaian masyarakat terhadap bantuan kuota apakah positif atau negatif dengan menggunakan analisis sentimen. Data yang digunakan pada penelitian ini adalah data komentar pengguna instagram di 7 unggahan akun @kemdikbud.ri yang berkaitan dengan bantuan kuota internet mulai tanggal 27 Agustus – 30 September 2020 yang diperoleh melalui scraping sehingga didapatkan sebanyak 4520 komentar yang kemudian diolah dengan melakukan text preprocessing dan diklasifikasikan menggunakan algoritma support vector machine. Hasil dari tahapan preprocessing sebanyak 32.81% (1483 komentar) data siap digunakan untuk analisis sentimen. Setelah dilakukan analisis klasifikasi didapatkan model yang digunakan yaitu tipe C-Classification, dimana model pendekatan yang digunakan adalah SVM-Kernel Radial (Radial Basis Function) dan menghasilkan persentase komentar berupa sentimen positif sebanyak 61.5%. Model SVM Radian (RBF) mampu melakukan pengklasifikasian respons pengguna Instagram terkait pemberian bantuan kuota internet dengan cukup baik. Hal tersebut dibuktikan dengan nilai evaluasi model berupa tingkat akurasi seebsar 79.67%, sensitivitas sebesar 78.89%, dan spesifisitas sebesar 81.82%.","PeriodicalId":429664,"journal":{"name":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","volume":"13 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2020-12-23","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"3","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal MSA ( Matematika dan Statistika serta Aplikasinya )","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24252/MSA.V8I2.16795","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 3

Abstract

COVID-19 merupakan suatu pandemi baru yang disebabkan oleh coronavirus dan banyak memberikan dampak salah satunya pada dunia pendidikan sehingga mengharuskan menggunakan sistem pembelajaran jarak jauh. Untuk mendukung sistem tersebut, pemerintah Indonesia melalui Kemdikbud memberikan bantuan kepada peserta didik dan tenaga pendidik berupa bantuan kuota internet. Sebagian masyarakat menyampaikan tanggapan dan opininya mengenai bantuan kuota yang disediakan pemerintah di media sosial salah satunya Instagram. Opini-opini tersebut dimanfaatkan untuk mengetahui penilaian masyarakat terhadap bantuan kuota apakah positif atau negatif dengan menggunakan analisis sentimen. Data yang digunakan pada penelitian ini adalah data komentar pengguna instagram di 7 unggahan akun @kemdikbud.ri yang berkaitan dengan bantuan kuota internet mulai tanggal 27 Agustus – 30 September 2020 yang diperoleh melalui scraping sehingga didapatkan sebanyak 4520 komentar yang kemudian diolah dengan melakukan text preprocessing dan diklasifikasikan menggunakan algoritma support vector machine. Hasil dari tahapan preprocessing sebanyak 32.81% (1483 komentar) data siap digunakan untuk analisis sentimen. Setelah dilakukan analisis klasifikasi didapatkan model yang digunakan yaitu tipe C-Classification, dimana model pendekatan yang digunakan adalah SVM-Kernel Radial (Radial Basis Function) dan menghasilkan persentase komentar berupa sentimen positif sebanyak 61.5%. Model SVM Radian (RBF) mampu melakukan pengklasifikasian respons pengguna Instagram terkait pemberian bantuan kuota internet dengan cukup baik. Hal tersebut dibuktikan dengan nilai evaluasi model berupa tingkat akurasi seebsar 79.67%, sensitivitas sebesar 78.89%, dan spesifisitas sebesar 81.82%.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
INSTAGRAM用户对KEMDIKBUD用支持机(SVM)方法帮助限额互联网的政策的看法分析
COVID-19是一种由coronavirus引起的新流行病,它对教育产生了许多影响,要求使用远程学习系统。为了支持这一制度,印度尼西亚政府通过Kemdikbud向学习者和教育工作者提供了对互联网配额的帮助。一些人对政府在社交媒体上提供的配额援助发表了意见。这些观点被用来通过情绪分析来确定人们对配额援助的看法。本研究使用的数据是instagram用户在账号@kemdikbud上的评论数据。截至2020年8月27日至9月30日,关于对互联网配额帮助的ri获得了4520条评论,这些评论通过使用支持矢量机进行文本预测和分类处理。准备用于情绪分析的32.81%(1483条评论)分析数据的结果。在进行分类分析后,获得了一种使用C-Classification类型的模型,该模型使用的方法是SVM-Kernel径向,并产生高达61.5%的正面评论百分比。SVM Radian模型(RBF)能够对Instagram用户的反应进行分类,即对互联网配额给予足够的帮助。模型估价值为79.67%的准确率、78.9%的灵敏度和81.82%的具体度证明了这一点。
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 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Proyeksi Produksi Padi Kabupaten Pinrang Dengan Metode Singular Spectrum Analysis ANALISIS DAN SIMULASI PENYAKIT INFEKSI SALURAN PERNAPASAN AKUT DI KABUPATEN BULUKUMBA DENGAN MENGGUNAKAN MODEL SUSCEPTIBLE EXPOSED INFECTIOUS RECOVERED (SEIR) Pemodelan Jumlah Kematian Ibu dan Anak di Sulawesi Selatan Menggunakan Regresi Poisson Bivariat STUDI KASUS KEMISKINAN DI INDONESIA LEVEL PROVINSI DAN FAKTOR-FAKTOR YANG MEMPENGARUHINYA MENGGUNAKAN REGRESI LINEAR BERGANDA DIAGRAM KONTROL MULTIVARIAT BERDASARKAN JARAK CHI-KUADRAT (Studi Kasus: Produksi Surat Kabar Kaltim Post Tahun 2017)
×
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
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 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 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1