Analisis Sentimen Terhadap PERMENDIKBUD No.30 pada Media Sosial Twitter Menggunakan Metode Naive Bayes dan LSTM

Yuliana Romadhoni; Khadijah Fahmi Hayati Holle

doi:10.30591/jpit.v7i2.3191

Analisis Sentimen Terhadap PERMENDIKBUD No.30 pada Media Sosial Twitter Menggunakan Metode Naive Bayes dan LSTM

Yuliana Romadhoni, Khadijah Fahmi Hayati Holle

Abstract

Penelitian Analisis Sentimen tanggapan masyarakat terhadap PERMENDIKBUD No. 30 di media sosial Twitter dapat menggunakan model Machine Learning dan Deep Learning. Penelitian ini menggunakan 2 metode yang diturunkan dari dua model yaitu metode Naïve Bayes dan metode Long Short-Term Memory. Pengumpulan data dengan cara crawling data menggunakan Twitter API yang menggunakan kata kunci berupa “permendikbud30” dan “Kekerasan seksual di kampus”. berisi "Negatif" dan "Positif" Namun, dataset yang telah diproses sebelumnya dikurangi menjadi 471 data. Setelah preprocessing dilakukan, selanjutnya dilakukan proses pembobotan dengan menggunakan metode TF-IDF dan dilanjutkan dengan metode perhitungan. Hasil penelitian ini menunjukkan bahwa metode LSTM mendapatkan nilai performansi yang lebih tinggi yaitu nilai Accuracy sebesar 77%, Precision sebesar 84%, Recall sebesar 75%, dan F1-Score 80%. pengujian metode Naïve Bayes diperoleh hasil akurasi 76%, presisi 75%, nilai recall 75% dan F1-Score 75%.

Keywords

Analisis Sentimen; PERMENDIKBUD No.30; Naïve Bayes; Long Short-Term Memory

Full Text:

References

DAFTAR PUSTAKA

A. Purwanti and M. Hardiyanti, “STRATEGI PENYELESAIAN TINDAK KEKERASAN SEKSUAL TERHADAP PEREMPUAN DAN ANAK MELALUI RUU KEKERASAN SEKSUAL,” vol. jilid 47 N, pp. 138–148, 2018.

Y. K. Huda, P. Studi, I. Hukum, F. Hukum, and U. M. Surakarta, “( Studi Putusan Nomor Perkara : 76 / PID / 2015 / PT . MDN dan Putusan Nomor Perkara : 145 / Pid . B / 2016 / PT . PBR ),” 2020, [Online]. Available: https://core.ac.uk/download/pdf/289186285.pdf.

Komnas Perempuan, Pedoman Pencegahan & Penanganan Kasus Kekerasan Seksual Di Perguruan Tinggi Keagamaan Islam (Ptki). 2020.

“Isi Permendikbud Ristek Nomor 30 Tahun 2021 yang Tuai Pro Kontra.” https://www.kompas.com/tren/read/2021/11/14/140000465/isi-permendikbud-ristek-nomor-30-tahun-2021-yang-tuai-pro-kontra (accessed Dec. 09, 2021).

Anang Sugeng Cahyono, “Pengaruh media sosial terhadap perubahan sosial masyarakat di Indonesia,” J. ilmu Sos. ilmu Polit. diterbitkan oleh Fak. Ilmu Sos. Polit. Univ. Tulungagung, vol. 9, no. 1, pp. 140–157, 2016, Accessed: Aug. 02, 2021. [Online]. Available: https://journal.unita.ac.id/index.php/publiciana/article/view/79.

Winda Kurnia Sari, “Klasifikasi Teks Menggunakan Long Short-Term Memory Dengan Fitur Word Embedding Glove Dan Word2Vec,” 2020.

A. Nisa, E. Darwiyanto, and I. Asror, “Analisis Sentimen Menggunakan Naive Bayes Classifier dengan Chi-Square Feature Selection Terhadap Penyedia Layanan Telekomunikasi,” e-Proceeding Eng., vol. 6, no. 2, pp. 8650–8659, 2019.

M. Al-Smadi, B. Talafha, M. Al-Ayyoub, and Y. Jararweh, “Using long short-term memory deep neural networks for aspect-based sentiment analysis of Arabic reviews,” Int. J. Mach. Learn. Cybern., vol. 10, no. 8, pp. 2163–2175, 2019, doi: 10.1007/s13042-018-0799-4.

U. D. Gandhi, P. Malarvizhi Kumar, G. Chandra Babu, and G. Karthick, “Sentiment Analysis on Twitter Data by Using Convolutional Neural Network (CNN) and Long Short Term Memory (LSTM),” Wirel. Pers. Commun., no. 0123456789, 2021, doi: 10.1007/s11277-021-08580-3.

J. Shobana and M. Murali, “An efficient sentiment analysis methodology based on long short-term memory networks,” Complex Intell. Syst., vol. 7, no. 5, pp. 2485–2501, 2021, doi: 10.1007/s40747-021-00436-4.

H. Chen, S. Hu, R. Hua, and X. Zhao, “Improved naive Bayes classification algorithm for traffic risk management,” EURASIP J. Adv. Signal Process., vol. 2021, no. 1, 2021, doi: 10.1186/s13634-021-00742-6.

M. A. Nurrohmat and A. SN, “Sentiment Analysis of Novel Review Using Long Short-Term Memory Method,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 3, p. 209, 2019, doi: 10.22146/ijccs.41236.

I. L. Rais and J. Jondri, “Klasifikasi Data Kuesioner dengan Metode Recurrent Neural Network,” eProceedings Eng., vol. 7, no. 1, pp. 2817–2826, 2020.

P. Aliandu, “Sentiment Analysis to Determine Accommodation, Shopping and Culinary Location on Foursquare in Kupang City,” 2015, doi: 10.1016/j.procs.2015.12.144.

X. H. Le, H. V. Ho, G. Lee, and S. Jung, “Application of Long Short-Term Memory (LSTM) neural network for flood forecasting,” Water (Switzerland), vol. 11, no. 7, 2019, doi: 10.3390/w11071387.

DOI: https://doi.org/10.30591/jpit.v7i2.3191