Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Matematika dan Statistika serta Aplikasinya (Jurnal MSA)
Noval Irgi Zekha F
Politeknik Statistika STIS
Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Environmental Science Mathematics Medicine & Pharmacology

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM) Syifa Rahmawati Hakim; M. Alfa Rizki; Noval Irgi Zekha F; Nurhidayatul Fitri; Yolanda Rizkie A; Rani Nooraeni
Jurnal MSA ( Matematika dan Statistika serta Aplikasinya) Vol 8 No 2 (2020): Volume 8 Nomor 2
Publisher : Universitas Islam Negeri Alauddin Makassar

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.24252/msa.v8i2.16795

Abstract

COVID-19 merupakan suatu pandemi baru yang disebabkan oleh coronavirus dan banyak memberikan dampak salah satunya pada dunia pendidikan sehingga mengharuskan menggunakan sistem pembelajaran jarak jauh. Untuk mendukung sistem tersebut, pemerintah Indonesia melalui Kemdikbud memberikan bantuan kepada peserta didik dan tenaga pendidik berupa bantuan kuota internet. Sebagian masyarakat menyampaikan tanggapan dan opininya mengenai bantuan kuota yang disediakan pemerintah di media sosial salah satunya Instagram. Opini-opini tersebut dimanfaatkan untuk mengetahui penilaian masyarakat terhadap bantuan kuota apakah positif atau negatif dengan menggunakan analisis sentimen. Data yang digunakan pada penelitian ini adalah data komentar pengguna instagram di 7 unggahan akun @kemdikbud.ri yang berkaitan dengan bantuan kuota internet mulai tanggal 27 Agustus – 30 September 2020 yang diperoleh melalui scraping sehingga didapatkan sebanyak 4520 komentar yang kemudian diolah dengan melakukan text preprocessing dan diklasifikasikan menggunakan algoritma support vector machine. Hasil dari tahapan preprocessing sebanyak 32.81% (1483 komentar) data siap digunakan untuk analisis sentimen. Setelah dilakukan analisis klasifikasi didapatkan model yang digunakan yaitu tipe C-Classification, dimana model pendekatan yang digunakan adalah SVM-Kernel Radial (Radial Basis Function) dan menghasilkan persentase komentar berupa sentimen positif sebanyak 61.5%. Model SVM Radian (RBF) mampu melakukan pengklasifikasian respons pengguna Instagram terkait pemberian bantuan kuota internet dengan cukup baik. Hal tersebut dibuktikan dengan nilai evaluasi model berupa tingkat akurasi seebsar 79.67%, sensitivitas sebesar 78.89%, dan spesifisitas sebesar 81.82%.
Co-Authors M. Alfa Rizki Nooraeni, Rani Nurhidayatul Fitri Syifa Rahmawati Hakim Yolanda Rizkie A