Sentiment Analysis of Hate Speech in Lombok News Using the Support Vector Machine (SVM) Algorithm

Imam Dinata, Hady Rasikhun, Muhammad Rizkillah

Abstract


Berita online telah menjadi kebutuhan mendasar di kalangan masyarakat umum. Akan tetapi berita online juga dapat merugikan masyarakat online atau netizen berupa tidak terkendalinya komentar atau opini mengenai penyebaran berita yang bersifat positif ataupun bersifat negatif. Metode Support Vector Machine (SVM) dapat menentukan tingkat sentiment dari komentar yaitu komentar negatif atau positif.dengan sebelumnya melakukan beberapa tahapan proses, diantaranya : cleansing, tokenizing, emojis, stopword, dan stemming. Pengujian pada data pelatihan menggunakan metode SVM memberikan tingkat keakuratan sebesar 80.7%, dengan tingkat pengenalan sebenarnya pada sentimen positif mencapai 80.3% dan pada sentimen negatif sebesar 80.0%. Keakuratan prediksi positif adalah 80.0% dan prediksi negatif adalah 80.3%.

Keywords


Online News; Hate Speech; SVM

References


Huda, I.A., “Perkembangan Teknologi Informasi dan Komunikasi (TIK) Terhadap Kualitas Pembelajaran

Di Sekolah Dasar”. Jurnal Pendidikan Dan Konseling (JPDK), 2(1), pp.121-125,2020,doi:

https://doi.org/10.31004/jpdk.v1i2.622.

Suardana, I.K. ”Peran Media Online Firstlomboktour.com Dalam Memasarkan Pariwisata Budaya Di

Pulau Lombok. Jurnal ekonomi vol 1 no 2 (2022), 2022, doi: https://doi.org/10.53977/jw.v1i2.710.

Aniq Noviciatie Ulfah*1 , M. Khairul Anam2.2020. Analisis Sentimen Hate Speech Pada Portal Berita

Online Menggunakan Support Vector Machine (SVM).Jurnal Teknik Informatika dan Sistem Informasi.Vol. 7, No. 1, April 2020, Hal. 1-10. DOI: https://doi.org/10.35957/jatisi.v7i1.196

Faridhotun, N. Haerani, E. Candra, R.M. 2023. Analisis Sentimen Ulasan Aplikasi WeTV Untuk

Peningkatan Layanan Menggunakan Metode K-Nearst Neighbor. Journal Of Information System

Research (JOSH). doi: https://doi.org/10.47065/josh.v4i3.3349

N. Fitriyah, B. Warsito, D. Asih, dan I. Maruddani, “Analisis Sentimen Gojek Pada Media Sosial Twitter

Dengan Klasifikasi Support Vector Machine (SVM),” JURNAL GAUSSIAN, vol. 9, no. 3, hlm. 376–390, 2020.

D. S. Utami dan A. Erfina, 2021. Analisis Sentimen Pinjaman Online Di Twitter Menggunakan Algoritma

Support Vector Machine (SVM). vol. 1 (2021): meningkatkan inovasi dan daya saing diera pandemi melalui riset pada bidang sistem informasi dan manajemen informatika

. D. Darwis, E. Shintya Pratiwi, A. Ferico, dan O. Pasaribu,2020.penerapan algoritma svm untuk analisis

sentimen pada data twitter komisi pemberantasan korupsi republik indonesiA.Jurnal Ilmiah Edutic

Pendidikan dan Informatika.DOI:10.21107/edutic.v7i1.8779

G. Song, “Sentiment analysis of Japanese text and vocabulary learning based on natural language

processing and SVM,” J Ambient Intell Humaniz Comput, 2021, doi: 10.1007/s12652-021-03040-z.

R. Sandoval-Almazan dan D. Valle-Cruz, “Sentiment Analysis of Facebook Users Reacting to Political

Campaign Posts,” Digital Government: Research and Practice, vol. 1, no. 2, Apr 2020, doi: 10.1145/3382735.

A. J. Putri, A. S. Syafira, M. E. Purbaya, dan D. Purnomo, “Analisis Sentimen ECommerce Lazada pada

Jejaring Sosial Twitter Menggunakan Algoritma Support Vector Machine,” Jurnal TRINISTIK: Jurnal

Teknik Industri, Bisnis Digital, dan Teknik Logistik, vol. 1, no. 1, hlm. 16–21, Mar 2022, doi:

20895/trinistik.v1i1.447.

H. C. Husada dan A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter

Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, hlm. 18–26, Feb

, doi: 10.34148/teknika.v10i1.311.

A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, dan W. Gata, “Analisis Sentimen Aplikasi

Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” Jurnal Teknoinfo, vol. 14, no. 2, hlm.

, Jul 2020, doi: 10.33365/jti.v14i2.679.

N. Yadav, O. Kudale, A. Rao, S. Gupta, and A. Shitole, ‘‘Twitter sentiment analysis using supervised

machine learning,’’ in Intelligent Data Communication Technologies and Internet of Things. Singapore: Springer, 2021, pp. 631–642.

M. Z. Ali, K. Javed, E. U. Haq, and A. Tariq, ‘‘Sentiment and emotion classification of epidemic related

bilingual data from social media,’’ 2021, arXiv:2105.01468. [Online].

Available: http://arxiv.org/abs/2105.01468

M. E. Basiri, S. Nemati, M. Abdar, E. Cambria, and U. R. Acharya, ‘‘ABCDM: An attention-based

bidirectional CNN-RNN deep model for sentiment analysis,’’ Future Gener. Comput. Syst., vol. 115, pp.

–294, Feb. 2021.




DOI: http://dx.doi.org/10.12928/jstie.v12i2.28984

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 imam dinata

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

Jurnal Sarjana Teknik Informatika
Organized by Informatics Department
Published by Universitas Ahmad Dahlan
Website: http://journal.uad.ac.id/index.php/JSTIF
Office: Industrial Technology Faculty, Kampus Utama UAD Jalan Ahmad Yani (Ringroad Selatan), Tamanan, Banguntapan, Bantul, Yogyakarta 55166, Indonesia
Email: herman.yuliansyah@tif.uad.ac.id || jurnalsarjana@tif.uad.ac.id

 

Creative Commons License

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