Article Per Year (5 Year)
p-Index From 2019 - 2024
2.391
P-Index
This Author published in this journals
All Journal SITEKIN: Jurnal Sains, Teknologi dan Industri JTT (Jurnal Teknologi Terpadu) Jurnal CoreIT Seminar Nasional Teknologi Informasi Komunikasi dan Industri Jurnal Informatika Universitas Pamulang Jurnal Nasional Komputasi dan Teknologi Informasi Krea-TIF: Jurnal Teknik Informatika JSAI (Journal Scientific and Applied Informatics) INFORMASI (Jurnal Informatika dan Sistem Informasi) JUKI : Jurnal Komputer dan Informatika Jurnal Restikom : Riset Teknik Informatika dan Komputer Jurnal Computer Science and Information Technology (CoSciTech) Jurnal Teknologi Terapan and Sains 4.0 SATIN - Sains dan Teknologi Informasi
Muhammad Fikry
Universitas Islam Negeri Sultan Syarif Kasim Riau
Civil Engineering, Building, Construction & Architecture Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Library & Information Science Materials Science & Nanotechnology Mathematics Mechanical Engineering Other

Published : 24 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Krea-TIF: Jurnal Teknik Informatika

 1 
Perbandingan Metode Naive Bayes Classifier dan Support Vector Machine dalam Analisis Sentimen Terhadap Pemilihan Presiden 2024 Alga Prananda; Elin Haerani; Muhammad Fikry; Febi Yanto
Krea-TIF: Jurnal Teknik Informatika Vol 11 No 2 (2023)
Publisher : Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.32832/krea-tif.v11i2.15364

Abstract

Salah satu sarana masyarakat untuk memberikan pendapat atau opini adalah menggunakan media sosial, khususnya youtube. Pada penelitian ini berfokus melakukan analisis sentimen terhadap Pemilihan Presiden 2024 dengan tiga kelas dan 2000 data opini, mendapatkan 875 kelas positif, 577 negatif, dan 548 netral. Tahapan penelitian melibatkan pengumpulan data, pre-processing (case folding, tokenizing, filtering, stemming), klasifikasi, pengujian, dan evaluasi. Juga melakukan perbandingan antara metode Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM), menunjukkan bahwa SVM mendapat akurasi lebih baik dari NBC di setiap tipe pembagian kelas. Selain itu, hasil analisis sentimen menggunakan empat kata kunci menunjukkan dominasi sentimen positif terhadap Anies Baswedan (80.54%), Prabowo Subianto (64.76%), Calon Presiden secara umum (33.91%), dan Ganjar Pranowo (36.17%). Sentimen negatif cenderung tinggi untuk Ganjar Pranowo (51.42%) dan Prabowo Subianto (25.99%), sementara Anies Baswedan dan Calon Presiden memiliki tingkat sentimen negatif yang lebih rendah (16.53% dan 25.22%). Sentimen netral tercatat pada Prabowo Subianto (9.25%), Ganjar Pranowo (12.41%), Calon Presiden secara umum (40.87%), dan Anies Baswedan (2.93%).
Co-Authors Alga Prananda Alwis Nazir Ayu Fransiska Damayanti, Elok Detha Yurisna Elin Haerani Elin Haerani Elvia Budianita Fadhilah Syafria Febi Yanto Fitri Insani Ibnu Surya Inggih Permana Lola Oktavia Muhammad Irsyad Nanda Sepriadi Pizaini Pizaini Pizaini Putri Mardatillah Rahmat Rizki Hidayat Ramadanu Putra Reski Mai Candra Rinaldi Syarfianto Safwandi Safwandi Sayed Omas Tutus Arifta Sayed Sofiah Surya Agustian Suwanto Sanjaya Taufik Hidayat Tiara Dwi Arista Yani, Susmi Syahfrida Yuda Zafitra Fadhlan Yusra YUSRA YUSRA Yusra, Yusra