Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine

Styawati Styawati, Nirwana Hendrastuty, Auliya Rahman Isnain

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.

Keywords


Program Kartu Prakerja, Media Sosial Twitter, SVM, Confusion Matrix, Kernel Linear, Kernel RBF.

Full Text:

References


S. Styawati and F. Ariany, “Sistem Monitoring Tumbuh Kembang Balita/Batita di Tengah Covid-19 Berbasis Mobile,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 490, 2021, doi: 10.32493/informatika.v5i4.7067.

D. Herdiana, “Jurnal Ilmu Administrasi Social Distancing : Indonesian Policy Reponse To The Corona Virus,” J. Ilmu Adm., vol. 17, no. 1, pp. 93–110, 2020.

N. Ngadi, “Dampak Pandemi Covid-19 Terhadap Phk Dan Pendapatan Pekerja Di Indonesia.” pp. 43–48, 2020.

I. ILO, “ILO Monitor : COVID-19 and the world of work . Third edition Updated estimates and analysis Enterprises at risk Context : Lockdown continues to severely impact enterprises,” no. April, pp. 1–23, 2020.

S. Zahoor, “Twitter Sentiment Analysis using Machine Learning Algorithms : A Case Study,” pp. 194–199, 2020.

R. Joshi, “Comparative Analysis Of Twitter Data Using Supervised Classifiers.”

D. K. Zala, “A Review on Basic Methodology of Twitter Base Prediction System,” pp. 447–451, 2018.

S. Styawati and K. Mustofa, “A Support Vector Machine-Firefly Algorithm for Movie Opinion Data Classification,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 219, 2019, doi: 10.22146/ijccs.41302.

S. Naz, A. Sharan, and N. Malik, “Sentiment Classification on Twitter Data Using Support Vector Machine,” Proc. - 2018 IEEE/WIC/ACM Int. Conf. Web Intell. WI 2018, pp. 676–679, 2019, doi: 10.1109/WI.2018.00-13.

D. A. Kristiyanti, Normah, and A. H. Umam, “Prediction of Indonesia presidential election results for the 2019-2024 period using twitter sentiment analysis,” Proc. 2019 5th Int. Conf. New Media Stud. CONMEDIA 2019, pp. 36–42, 2019, doi: 10.1109/CONMEDIA46929.2019.8981823.

D. Radhi, D, “Sentiment analysis of twitter data,” Proc. - 2018 Int. Conf. Comput. Sci. Comput. Intell. CSCI 2018, no. Iciccs, pp. 1301–1302, 2018, doi: 10.1109/CSCI46756.2018.00252.

S. Suyanto, Machine Learning tingkat Dasar Dan Lanjut. Informatika Bandung, 2018.




DOI: https://doi.org/10.30591/jpit.v6i3.2870

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

JPIT INDEXED BY

  
  

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.