Article Per Year (5 Year)
p-Index From 2019 - 2024
0.751
P-Index
This Author published in this journals
All Journal JTAM (Jurnal Teori dan Aplikasi Matematika) Community Development Journal: Jurnal Pengabdian Masyarakat Jurnal Computer Science and Information Technology (CoSciTech) JUSTIFY : Jurnal Sistem Informasi Ibrahimy
Dasuki, Moh.
Unknown Affiliation
Humanities Computer Science & IT Economics, Econometrics & Finance Education Health Professions Mathematics Public Health

Published : 4 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : JUSTIFY : Jurnal Sistem Informasi Ibrahimy

 1 
Penerapan Algoritma Support Vector Machine untuk Klasifikasi Sentimen Vaksin Booster pada Twitter Fauzi, Lutfi; Dasuki, Moh.; Muharom, Lutfi Ali
JUSTIFY : Jurnal Sistem Informasi Ibrahimy Vol. 2 No. 2 (2024): JUSTIFY : Jurnal Sistem Informasi Ibrahimy
Publisher : Fakultas Sains dan Teknologi, Universitas Ibrahimy

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35316/justify.v2i2.4005

Abstract

Rendahnya cakupan vaksin booster di Indonesia dipengaruhi oleh banyak factor dan menuai pro kontra dari masyarakat Indonesia. Cukup banyak masyarakat yang tidak mau melakukan vaksin booster. Hal ini dikarenakan dikalangan masyarakat Indonesia masih meragukan keamanan, efektivitas dan juga keampuhan vaksin booster. Pro dan kontra tentang vaksin booster ini salah satunya tertuang pada media sosial twitter. Masyarakat mengungkapkan opininya pada media twitter dengan menggunakan hashtag. Studi komputasional dari opini- opini orang yang menjadi satu disebut dengan sentiment analisis atau opinion minning. Sentiment analisis merupakan sebuah teknik atau cara yang digunakan untuk mengidentifikasi bagaimana sebuah sentiment diekspresikan sebagai sentiment positif maupun sentiment negatif. Teknik yang digunakan untuk mengklasifikasikan sentiment analisis tersebut yaitu Support Vector Machine (SVM). Tujuan dari penelitian ini adalah menerapkan metode algoritma Support Vector Machine (SVM) untuk mengklasifikasikan sentiment vaksin booster pada social media twitter. Hasil dari penelitian ini diperoleh pada proses K-fold cross validation nilai akurasi tertinggi yang dihasilkan menggunakan metode Support Vector Machine (SVM) berdasarkan langkah uji ketiga di KF=10 yaitu 84% dan nilai akurasi terendah yaitu 52% dengan menggunakan KF=10 pada langkah uji ini mendapat nilai akurasi sebesar 73% dan lebih tinggi daripada langkah uji yang mengunakan K-fold 2 dan K-fold 5.
Co-Authors Fahadaena, Rinaldi Nur Fauzi, Lutfi Ginanjar Abdurrahman Lutfi Ali Muharom, Lutfi Ali Rahman, MIftahur Rhomdani, Rohmad Wahid Saifudin, Ilham Triyanna Widiyaningtyas Umilasari, Reni Yanuarti, Rosita Zakiyyah, Amalina Maryam