Article Per Year (5 Year)
p-Index From 2019 - 2024
0.61
P-Index
This Author published in this journals
All Journal Jurnal Edukasi dan Penelitian Informatika (JEPIN) Jurnal Pengabdian Kepada Masyarakat (Indonesian Journal of Community Engagement) Sistemasi: Jurnal Sistem Informasi Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Control
Rachman, Fika Hastarita
Universitas Trunojoyo Madura
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Education Electrical & Electronics Engineering Energy Engineering

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

Found 1 Documents
Search
Journal : Jurnal Edukasi dan Penelitian Informatika (JEPIN)

 1 
Pendekatan Data Science untuk Mengukur Empati Masyarakat terhadap Pandemi Menggunakan Analisis Sentimen dan Seleksi Fitur Fika Hastarita Rachman; Imamah Imamah
JEPIN (Jurnal Edukasi dan Penelitian Informatika) Vol 8, No 3 (2022): Volume 8 No 3
Publisher : Program Studi Informatika

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.26418/jp.v8i3.56655

Abstract

Empati merupakan kemampuan seseorang untuk turut merasakan penderitaan orang lain. Pandemi covid yang melanda dunia, telah menyisakan banyak kehilangan dan keterpurukan. Penelitian ini bertujuan untuk mengetahui emosi masyarakat terhadap penderitaan sesama menggunakan pendekatan sentimen analisis. Dataset yang digunakan adalah komentar masyarakat di Twitter tentang pandemi Covid dalam rentang waktu November-Desember 2020. Data diambil dengan teknik crawling menggunakan library twint, didapatkan data sebanyak 2386 komentar, namun komentar yang mengandung empati hanya sebanyak 984 data. Dataset empati kemudian dilabeli oleh tiga orang menggunakan teknik majority voting. Hasil pengukuran dataset empati menunjukkan 55,7% komentar masyarakat indonesia mengandung empati positif (berempati), 37,4% empati negatif (tidak berempati), dan 6,9% netral. Untuk membentuk model yang dapat mendeteksi empati secara otomatis, maka digunakan  dataset empati sebanyak 400, dengan 200 kelas positif dan 200 kelas negatif, kelas netral tidak digunakan pada penelitian ini karena jumlah data sangat sedikit. Metode machine learning yang digunakan untuk membangun model adalah Support Vector Machine (SVM) dengan metode ekstraksi fitur reliefF. Berdasarkan penelitian yang dilakukan, akurasi sistem dengan metode SVM tanpa seleksi fitur ReliefF adalah 83%. Sedangkan akurasi yang diperoleh sistem dengan seleksi fitur ReliefF mencapai 93% dengan penggunaan 85% fitur dari total keseluruhan fitur.
Co-Authors Abdul Ghofur Imamah Imamah Mutiara Cahyani Fajrin Riries Rulaningtyas Sri Wahyuni Wahyudi Agustiono Wahyudi Setiawan Yonathan Ferry Hendrawan