Styawati Styawati, Nirwana Hendrastuty, A. R. Isnain
{"title":"基于向量机支持的推特卡片程序公众情绪分析","authors":"Styawati Styawati, Nirwana Hendrastuty, A. R. Isnain","doi":"10.30591/JPIT.V6I3.2870.G1588","DOIUrl":null,"url":null,"abstract":"Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.","PeriodicalId":53375,"journal":{"name":"Jurnal Informatika Jurnal Pengembangan IT","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2021-10-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"6","resultStr":"{\"title\":\"Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine\",\"authors\":\"Styawati Styawati, Nirwana Hendrastuty, A. R. Isnain\",\"doi\":\"10.30591/JPIT.V6I3.2870.G1588\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.\",\"PeriodicalId\":53375,\"journal\":{\"name\":\"Jurnal Informatika Jurnal Pengembangan IT\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2021-10-01\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"6\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Jurnal Informatika Jurnal Pengembangan IT\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.30591/JPIT.V6I3.2870.G1588\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Informatika Jurnal Pengembangan IT","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.30591/JPIT.V6I3.2870.G1588","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine
Program kartu prakerja diluncurkan pada tahun 2020 melalui peraturan Presiden Nomor 36 tahun 2020 tentang Pengembangan Kompetensi Kerja melalui Program Kartu Pra-Kerja. Maraknya pembahasan program kartu prakerja di twitter membuat penulis tertarik untuk menganalisa sentimen masyarakat Indonesia terhadap Program kartu Prakerja tentang trobosan upaya pemerintah mengatasi penganguran dan korban PHK tenaga kerja dengan keyword “prakerja”. Sentimen yang digunakan adalah positif, negatif, dan netral. Metode yang digunakan untuk menganalisis opini masyarakat dengan data yang diperoleh pada sosial media twitter menggunakan Support Vector Machine (SVM). Sedangkan untuk mengukur kinerja klasifikasi SVM menggunakan metode Confusion Matrix. Pada penelitian ini dilakukan perbandingan dua kernel yaitu linear dengan RBF. Hasil evaluasi yang dilakukan pada nilai akurasi kernel linear 98.67%, precission 98%, recall 99%, dan F1-Score 98%, sedangkan pada nilai akurasi kernel RBF 98.34%, precission 97%, recall 98%, F1-Score 98%, dapat disimpulkan bahwa sentimen masyarakat dari pengguna twitter terhadap program kartu prakerja dimasa pandemi lebih condong ke netral sebesar 98,34%. Berdasarkan hasil evaluasi yang dilakukan pada nilai akurasi kernel linear menghasilkan nilai akurasi 98.67%, sedangkan kernel RBF menghasilkan akurasi 98.34%. Maka dari sisi akurasi kernel linear lebih akurat dari pada kernel RBF.