Komparasi Algoritma Support Vector Machine dan Naïve Bayes untuk Analisis Sentimen pada Metaverse
Comparison of Support Vector Machine and Naïve Bayes Algorithms for Sentiment Analysis of the Metaverse
DOI:
https://doi.org/10.57152/malcom.v4i1.1061Keywords:
Metaverse, Naïve Bayes, Sentimen analisis, SVMAbstract
Metaverse telah mencuri perhatian dunia karena kemampuannya untuk menggabungkan dunia nyata dan dunia virtual. Minat terhadap metaverse semakin meningkat seiring dengan dampak pandemi COVID-19 dan proyek pembangunan Ibu Kota Nusantara (IKN), serta pertumbuhan penggunaan platform digital. Perbincangan isu metaverse semakin meroket naik setelah perusahaan Facebook merubah namanya menjadi Meta. Studi ini bertujuan untuk membandingkan akurasi tertinggi antara metode algoritma Naïve Bayes dengan SVM dalam menganalisis respons masyarakat terhadap metaverse. Studi ini menggunakan metode sentiment analisis. Penggunaan dua algoritma menjadi keterbaruan penelitian. Studi kali ini menggunakan data yang diambil dari Twitter (x) dan disimulasikan menggunakan sentiment analisis dari algoritma SVM dan algoritma Naïve Bayes. Berdasarkan penelitian, ditemukan bahwa akurasi algoritma SVM mencapai 90,32% presisi sebesar 0,90 dan recall sebesar 0,86, sedangkan algoritma Naïve Bayes mencapai 84,23% presisi sebesar 0,87 dan recall sebesar 084. Dengan adanya penelitian ini dapat memberikan wawasan terhadap tren metaverse, serta membandingkan hasil akurasi tertinggi antara dua algoritma.
References
A. Wildan, M. S. Milah, M. Taufik, and T. Santika, “Problematika Hukum Aset Digital Era Disrupsi 5.0 Di Indonesia Melalui Pendekatan Legislasi,” 2022.
S. As, M. Rohman, and & E. Sutadji, “PENGALAMAN GAME YANG MENYENANGKAN UNTUK MENGIDENTIFIKASI TIPE DUNIA METAVERSE SEBAGAI MODEL PEMBELAJARAN YANG INOVATIF,” 2022.
B. Pamungkas and M. Yusuf, “Transformasi Pelayanan Publik Kota Di Era Metaverse.”
F. De Felice, C. De Luca, S. Di Chiara, and A. Petrillo, “Physical and digital worlds: implications and opportunities of the metaverse,” Procedia Comput. Sci., vol. 217, pp. 1744–1754, 2023, doi: 10.1016/j.procs.2022.12.374.
A. Devrim and Y. Düzce, “Entrepreneurship in The World of Metaverse: Virtual or Real?”
S. Sumayah, F. Sembiring, and W. Jatmiko, “ANALYSIS OF SENTIMENT OF INDONESIAN COMMUNITY ON METAVERSE USING SUPPORT VECTOR MACHINE ALGORITHM,” vol. 4, no. 1, 2023, doi: 10.20884/1.jutif.2023.4.1.417.
M. Fuad Nasvian and R. Afif, “Public Opinion on Facebook Rebrand to Meta: A Twitter Big Data Analysis on the First 24 Hours After Meta Launched Opini Publik Terhadap Rebrand Facebook ke Meta: Analisis Data Besar Twitter pada 24 Jam Pertama Setelah Meta Diluncurkan.”
Y. Indarta, A. Ambiyar, A. D. Samala, and R. Watrianthos, “Metaverse: Tantangan dan Peluang dalam Pendidikan,” J. Basicedu, vol. 6, no. 3, pp. 3351–3363, Mar. 2022, doi: 10.31004/basicedu.v6i3.2615.
A. Sastra Miragi and S. Abidin, “ANALISIS WACANA PEMINDAHAN IBU KOTA NEGARA INDONESIA DI MEDIA ONLINE TEMPO.”
M. Almasri, Q. A. Ahmed, A. Turkestani, and Z. A. Memish, “Hajj abattoirs in Makkah: risk of zoonotic infections among occupational workers,” Vet. Med. Sci., vol. 5, no. 3, pp. 428–434, Aug. 2019, doi: 10.1002/vms3.169.
Y. Mulati, “Analisis Penggunaan Teknologi Metaverse terhadap Pembentukan Memori pada Proses Belajar,” Ideguru J. Karya Ilm. Guru, vol. 8, no. 2, pp. 120–128, Nov. 2022, doi: 10.51169/ideguru.v8i2.480.
I. Havili and Y. Lestari, “SOCIAL MEDIA DARLING: SEBUAH KONSTRUKSI SOSIAL ATAS REALITAS,” 2023.
K. Fitria and Y. Febrianti, “THE INTERPRETATION AND ATTITUDE OF BODY SHAMING BEHAVIOR ON SOCIAL MEDIA (A DIGITAL ETHNOGRAPHY STUDY ON INSTAGRAM),” Diakom J. Media dan Komun., vol. 3, no. 1, pp. 12–25, Sep. 2020, doi: 10.17933/diakom.v3i1.78.
D. Larasaty and G. E. Subakti, “Analisis Freedom of Speech di Media Sosial Twitter dengan Kaitannya terhadap Adab Generasi Muda Islam dalam Berinteraksi di Media Sosial,” 2022.
D. Inayah et al., “Seminar Nasional Official Statistics 2020: Statistics in The New Normal: A Challenge of Big Data and Official Statistics IMPLEMENTASI SOCIAL NETWORK ANALYSIS DALAM PENYEBARAN INFORMASI VIRUS CORONA (COVID-19) DI TWITTER (Implementation Social Network Analysis in Distribution of Corona Virus (Covid-19) Information on Twitter).”
O. S. D. Silaen, H. Herlawati, and R. Rasim, “Analisis Sentimen Mengenai Gangguan Bipolar Pada Twitter Menggunakan Algoritma Naïve Bayes,” J. Komtika (Komputasi dan Inform., vol. 6, no. 2, pp. 62–73, Nov. 2022, doi: 10.31603/komtika.v6i2.8198.
A. Aura Avdijan, “Pengungkapan Diri Mahasiswa tentang Kehidupan Perkuliahan di Media Sosial Twitter (Studi pada Akun Autobase @Collegemenfess) Student Self-Disclosure on Twitter Social Media (Virtual Ethnographic Study of Autobase Account @Collegemenfess),” J. Ilmu Komun., vol. 11, pp. 206–219, 2022, doi: 10.33508/jk.v11i2.4250.
P. M. Nirmala Dharmapatni and N. L. P. Merawati, “Penerapan Algoritma Support Vector Machine Dalam Sentimen Analisis Terkait Kenaikan Tarif BPJS Kesehatan,” J. Bumigora Inf. Technol., vol. 2, no. 2, pp. 105–112, Sep. 2020, doi: 10.30812/bite.v2i2.904.
M. Ghozali, “REKONSEPTUALISASI PEMANTAUAN PEMILU MELALUI MEDIA SENTIMENT ANALYSIS,” Indones. J. Islam. Commun., vol. 1, no. 1, pp. 1–25, 2018.
M. A. Al Fachri and U. Athiyah, “Komparasi Model Analisis Sentimen Pada Twitter Terhadap Kemahalan Minyak Goreng dengan Metode Naive Bayes dan Support Vector Machine,” Infotekmesin, vol. 14, no. 2, pp. 194–199, Jul. 2023, doi: 10.35970/infotekmesin.v14i2.1759.
D. Darwis, N. Siskawati, and Z. Abidin, “Penerapan Algoritma Naive Bayes untuk Analisis Sentimen Review Data Twitter BMKG Nasional,” vol. 15, no. 1.
A. M. Pravina, I. Cholissodin, and P. P. Adikara, “Analisis Sentimen Tentang Opini Maskapai Penerbangan pada Dokumen Twitter Menggunakan Algoritme Support Vector Machine (SVM),” 2019. [Online]. Available: http://j-ptiik.ub.ac.id
M. Mauludin Rohman and S. Adinugroho, “Analisis Sentimen pada Ulasan Aplikasi Mobile JKN Menggunakan Metode Maximum Entropy dan Seleksi Fitur Gini Index Text,” 2021. [Online]. Available: http://j-ptiik.ub.ac.id
H. B. Tambunan and T. W. D. Hapsari, “Analisis Opini Pengguna Aplikasi New PLN Mobile Menggunakan Text Mining,” PETIR, vol. 15, no. 1, pp. 121–134, Dec. 2021, doi: 10.33322/petir.v15i1.1352.
M. Iqbal Zakasih, W. Tri Handoko, and J. Tri Lomba Juang No, “ANALISIS SENTIMEN PENGGUNA TWITTER TENTANG NFT (NON FUNGIBLE TOKEN) DENGAN METODE NAIVE BAYES CLASSIFIER,” 2022. [Online]. Available: http://e-journal.stmiklombok.ac.id/index.php/jireISSN.2620-6900
S. R. K. W. Tommy Rustandi, D. Suhaedi, and Y. Pemanasari, “Pemetaan Hyperplane Pada Support Vector Machine,” Bandung Conf. Ser. Math., vol. 3, no. 2, pp. 109–119, Aug. 2023, doi: 10.29313/bcsm.v3i2.8187.
D. Ferarizki, M. Fikry, F. Yanto, and F. Insani, “KLIK: Kajian Ilmiah Informatika dan Komputer Klasifikasi Sentimen Masyarakat di Twitter Terhadap Ancaman Resesi Ekonomi 2023 dengan Metode K-Nearest Neighbor,” Media Online), vol. 4, no. 2, 2023, doi: 10.30865/klik.v4i2.1315.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897.
T. Sinta Peringkat, berdasarkan S. Dirjen Penguatan RisBang Kemenristekdikti, A. Mustopa, A. Yadi Kuntoro, and P. Studi Ilmu Komputer, “ALGORITMA KLASIFIKASI NAIVE BAYES DAN SUPPORT VECTOR MACHINE DALAM LAYANAN KOMPLAIN MAHASISWA”, [Online]. Available: www.bsi.ac.id
A. P. Astuti, S. Alam, and I. Jaelani, “Komparasi Algoritma Support Vector Machine Dengan Naive Bayes Untuk Analisis Sentimen Pada Aplikasi BRImo,” Bangkit Indones., vol. XI, no. 02, 2022.
H. Tuhuteru and A. Iriani, “Analisis Sentimen Perusahaan Listrik Negara Cabang Ambon Menggunakan Metode Support Vector Machine dan Naive Bayes Classifier,” J. Inform. J. Pengemb. IT, vol. 3, no. 3, pp. 394–401, Oct. 2018, doi: 10.30591/jpit.v3i3.977.
D. Garbian Nugroho, Y. Herry Chrisnanto, A. Wahana Jurusan Informatika, and F. Matematika dan Ilmu Pengetahuan Alam Universitas Jenderal Achmad Yani Jalan Terusan Jenderal Sudirman, ANALISIS SENTIMEN PADA JASA OJEK ONLINE MENGGUNAKAN METODE NAÏVE BAYES.
A. Amalia, D. Rahmawati, and M. Sholik, “Rancang Bangun Aplikasi Sentimen Pendapat Masyarakat Indonesia Terhadap Vaksin COVID-19 Dengan Menggunakan Algoritma Long Short-Term Memory Berbasis Web 43.”
F. Fahru Roji, N. Gia Ginasta, Y. Cahyan, D. Rahayu, and D. Ramdani, “Review Analysis of SatuSehat Application Using Support Vector Machine and Latent Dirichlet Allocation Modeling,” 2023.
W. Astriningsih and D. Hatta Fudholi, “Identifikasi Multi Aspek Dan Sentimen Analisis Pada Review Hotel Menggunakan Deep Learning,” 2023. [Online]. Available: http://jurnal.mdp.ac.id
J. Rusman, Z. Haryati, and D. A. Michael, “OPTIMISASI HIPERPARAMETER TUNING PADA METODE SUPPORT VECTOR MACHINE UNTUK KLASIFIKASI TINGKAT KEMATANGAN BUAH KOPI,” J. Inform. dan Komput., vol. 11, no. 2, pp. 195–202, 2023, doi: 10.35508/jicon.v11i2.12571.
S. Syafrizal, M. Afdal, and R. Novita, “Analisis Sentimen Ulasan Aplikasi PLN Mobile Menggunakan Algoritma Naïve Bayes Classifier dan K-Nearest Neighbor,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 1, pp. 10–19, Dec. 2023, doi: 10.57152/malcom.v4i1.983.
NURUL AFIFAH, Dony Permana, Dodi Vionanda, and Dina Fitria, “Sentiment Analysis of Electric Cars Using Naive Bayes Classifier Method,” UNP J. Stat. Data Sci., vol. 1, no. 4, pp. 289–296, Aug. 2023, doi: 10.24036/ujsds/vol1-iss4/68.
Y. E. Kurniawati, “Class Imbalanced Learning Menggunakan Algoritma Synthetic Minority Over-sampling Technique-Nominal (SMOTE-N) pada Dataset Tuberculosis Anak,” 2019.
W. P. Anggraini and M. S. Utami, “KLASIFIKASI SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN KARTU PEKERJA DI INDONESIA,” Fakt. Exacta, vol. 13, no. 4, p. 255, Feb. 2021, doi: 10.30998/faktorexacta.v13i4.7964.
