Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Statistika Industri dan Komputasi
Magdalena Teofila Usniaty
Jurusan Statistika, Fakultas Sains Terapan, Institut Sains & Teknologi AKPRIND Yogyakarta
Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Education Mathematics

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN TENTANG IMPLEMENTASI HAK ASASI MANUSIA DI INDONESIA PADA MEDIA SOSIAL TWITTER MENGGUNAKAN NAÏVE BAYES DAN SUPPORT VECTOR MACHINE Magdalena Teofila Usniaty; Yudi Setyawan; Rokhana Dwi Bekti
Jurnal Statistika Industri dan Komputasi Vol. 9 No. 1 (2024): Jurnal Statistika Industri dan Komputasi
Publisher : Program Studi Statistika, Fakultas Sains dan Teknologi Informasi, Universitas AKPRIND Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.34151/statistika.v9i1.4846

Abstract

Hak asasi manusia adalah seperangkat hak yang melekat pada hakikat dan keberadaan manusia yang wajib dihormati, dijunjung tinggi dan dilindungi. Beberapa kasus pelanggaran HAM di Indonesia sering menjadi trending topik twitter, oleh karena itu pada penelitian ini dilakukan analisis sentimen tentang implementasi HAM di Indonesia pada media sosial twitter. Analisis ini dilakukan untuk mengklasifikasikan tweet yang berisi sentimen masyarakat mengenai implementasi HAM di Indonesia. Metode klasifikasi yang digunakan dalam penelitian ini adalah Naïve Bayes Classifier dan Support Vector Machine dengan menggunakan pembobotan TF.IDF. Sumber data dalam penelitian ini diambil dari twitter menggunakan metode crawling dengan kata kunci #hakasasimanusia dan #HAM. Hasil analisis menunjukkan bahwa persentase sentimen negatif sebesar 81.2% dan sentimen positif sebesar 18.8%. Metode terbaik dalam melakukan klasifikasi implementasi HAM di Indonesia adalah Support Vector Machine, dilihat dari nilai akurasi Support Vector Machine yang lebih besar yakni sebesar 87% dibandingkan nilai akurasi Naïve Bayes Classifier yakni sebesar 81%. Saran yang diberikan dalam penelitian ini agar meningkatkan nilai akurasi yakni pada tahap pengolahan data dilakukan secara teliti, misalnya menambahkan kosa kata untuk normalisasi kata dan pengurangan fitur yaitu pada tahap stopword removal.
Co-Authors Rokhana Dwi Bekti Yudi Setyawan