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. Berita online juga berpotensi dapat merugikan masyarakat online atau netizen melalui tidak terkendali komentar atau opini mengenai penyebaran berita yang bersifat negatif. Support Vector Machine (SVM) merupakan salah satu metode pada machine learning yang dapat menentukan tingkat sentimen dari komentar negatif atau positif. Metode SVM terdapat beberapa tahapan yaitu cleansing, tokenizing, emojis, stopword, dan stemming. Penelitian ini bertujuan menganalisis sentimen hate speech pada berita di Lombok dengan metode SVM. Hasil pengujian pada data latih menggunakan metode SVM memberikan tingkat akurasi sebesar 81%.

Keywords


Berita Online; Analis Sentimen; SVM

Full Text:

PDF

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.

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:10.20895/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 2021, doi: 10.34148/teknika.v10i1.311.

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. 115, 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. 279–294, 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.