基于机器学习的俄罗斯与乌克兰事件推文情感分析

M. H. Mubarok, Jati Sasongko Wibowo
{"title":"基于机器学习的俄罗斯与乌克兰事件推文情感分析","authors":"M. H. Mubarok, Jati Sasongko Wibowo","doi":"10.36418/syntax-literate.v9i2.15323","DOIUrl":null,"url":null,"abstract":"Perang yang terjadi di Eropa antara Rusia - Ukraina berdampak langsung maupun tidak langsung diseluruh belahan dunia, termasuk Indonesia. Masyarakat banyak yang memberikan pendapat atas peristiwa tersebut, baik itu berupa pujian atau keluh kesah yang dipublikasikan pada media sosial, salah satunya adalah Twitter. Penelitian ini bertujuan untuk mengolah atau mengekstrak tanggapan masyarakat di media Twitter agar menjadi sebuah informasi dengan menggunakan analisis sentiment. Analisis sentiment dengan algoritma klasifikasi Support Vector Machine (SVM), Multinomial Naive Bayes (MNB), dan K-Nearest Neigbhor (KKN). Berdasarkan analisis sentimen memberikan gambaran bahwa tanggapan masyarakat Indonesia pengguna twitter pada tanggal 24 Februari 2022 tentang peristiwa perang Rusia - Ukraina didominasi dengan tweet bersentimen negatif (50,1%), kemudian netral (30,5%), dan positif (19,3%). Hasil performa tertinggi model machine learning didapat pada model beralgoritma SVM dengan akurasi 90%, diikuti oleh MNB (71%), dan KKN (48%). Masyarkat Indonesia banyak yang mengaitkan peristiwa perang Rusia vs Ukraina dengan peristiwa perang dunia.","PeriodicalId":510711,"journal":{"name":"Syntax Literate ; Jurnal Ilmiah Indonesia","volume":"1996 3","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2024-02-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Analisis Sentimen Terhadap Tweet Mengenai Peristiwa Russia Melawan Ukraina Berbasis Machine Learning\",\"authors\":\"M. H. Mubarok, Jati Sasongko Wibowo\",\"doi\":\"10.36418/syntax-literate.v9i2.15323\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Perang yang terjadi di Eropa antara Rusia - Ukraina berdampak langsung maupun tidak langsung diseluruh belahan dunia, termasuk Indonesia. Masyarakat banyak yang memberikan pendapat atas peristiwa tersebut, baik itu berupa pujian atau keluh kesah yang dipublikasikan pada media sosial, salah satunya adalah Twitter. Penelitian ini bertujuan untuk mengolah atau mengekstrak tanggapan masyarakat di media Twitter agar menjadi sebuah informasi dengan menggunakan analisis sentiment. Analisis sentiment dengan algoritma klasifikasi Support Vector Machine (SVM), Multinomial Naive Bayes (MNB), dan K-Nearest Neigbhor (KKN). Berdasarkan analisis sentimen memberikan gambaran bahwa tanggapan masyarakat Indonesia pengguna twitter pada tanggal 24 Februari 2022 tentang peristiwa perang Rusia - Ukraina didominasi dengan tweet bersentimen negatif (50,1%), kemudian netral (30,5%), dan positif (19,3%). Hasil performa tertinggi model machine learning didapat pada model beralgoritma SVM dengan akurasi 90%, diikuti oleh MNB (71%), dan KKN (48%). Masyarkat Indonesia banyak yang mengaitkan peristiwa perang Rusia vs Ukraina dengan peristiwa perang dunia.\",\"PeriodicalId\":510711,\"journal\":{\"name\":\"Syntax Literate ; Jurnal Ilmiah Indonesia\",\"volume\":\"1996 3\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2024-02-29\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Syntax Literate ; Jurnal Ilmiah Indonesia\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36418/syntax-literate.v9i2.15323\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Syntax Literate ; Jurnal Ilmiah Indonesia","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36418/syntax-literate.v9i2.15323","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

俄罗斯和乌克兰之间的欧洲战争对包括印度尼西亚在内的全世界都产生了直接或间接的影响。许多人都在社交媒体(推特就是其中之一)上发表了对这一事件的看法,无论是赞扬还是抱怨。本研究旨在利用情感分析处理或提取 Twitter 媒体上的公众回应,使其成为信息。情感分析采用支持向量机 (SVM)、多项式 Naive Bayes (MNB) 和 K-Nearest Neigbhor (KKN) 分类算法。根据情感分析,印尼 Twitter 用户在 2022 年 2 月 24 日对俄乌战争的回应以负面推文为主(50.1%),然后是中性推文(30.5%)和正面推文(19.3%)。机器学习模型中,SVM 算法模型的准确率最高,达到 90%,其次是 MNB(71%)和 KKN(48%)。许多印尼人将俄罗斯与乌克兰的战争事件与世界大战事件联系在一起。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
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
Analisis Sentimen Terhadap Tweet Mengenai Peristiwa Russia Melawan Ukraina Berbasis Machine Learning
Perang yang terjadi di Eropa antara Rusia - Ukraina berdampak langsung maupun tidak langsung diseluruh belahan dunia, termasuk Indonesia. Masyarakat banyak yang memberikan pendapat atas peristiwa tersebut, baik itu berupa pujian atau keluh kesah yang dipublikasikan pada media sosial, salah satunya adalah Twitter. Penelitian ini bertujuan untuk mengolah atau mengekstrak tanggapan masyarakat di media Twitter agar menjadi sebuah informasi dengan menggunakan analisis sentiment. Analisis sentiment dengan algoritma klasifikasi Support Vector Machine (SVM), Multinomial Naive Bayes (MNB), dan K-Nearest Neigbhor (KKN). Berdasarkan analisis sentimen memberikan gambaran bahwa tanggapan masyarakat Indonesia pengguna twitter pada tanggal 24 Februari 2022 tentang peristiwa perang Rusia - Ukraina didominasi dengan tweet bersentimen negatif (50,1%), kemudian netral (30,5%), dan positif (19,3%). Hasil performa tertinggi model machine learning didapat pada model beralgoritma SVM dengan akurasi 90%, diikuti oleh MNB (71%), dan KKN (48%). Masyarkat Indonesia banyak yang mengaitkan peristiwa perang Rusia vs Ukraina dengan peristiwa perang dunia.
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
期刊最新文献
Variasi Debit Aliran dan Padat Tebar pada Pemeliharaan Sistem Resirkulasi untuk Meningkatkan Kelangsungan Hidup dan Pertumbuhan Ikan Nila (Oreochromis Niloticus) Indeks Wiener dari Graf Identitas dan Graf Pangkat pada Grup Siklis Berhingga Pemanfaatan Flipped Classroom pada Mata Pelajaran Bahasa Dayak dalam Rangka Meningkatkan Keaktifan Siswa dalam Proses Pembelajaran Profil Genotipik Extraintestinal pathogenic Escherichia coli (ExPEC) Penyebab Bloodstream Infection Menggunakan Whole Genome Sequencing: Literatur Review Conflict, Job Stress, Satisfaction and Its Effect on Performance
×
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