Analisis Sentimen Terhadap Kinerja Program Walikota Medan pada Media Sosial X Menggunakan Support Vector Machine
Sentiment Analysis of The Performance of Medan Mayor Program on Social Media X Using Support Vector Machine
DOI:
https://doi.org/10.57152/malcom.v4i4.1685Keywords:
Analisis Sentimen, Kinerja, Python, Sosial Media X, Support Vector MachineAbstract
Kepemimpinan adalah proses dan seni dalam menciptakan interaksi yang mempengaruhi para pengikut untuk mencapai tujuan yang telah ditetapkan. Kepemimpinan penting untuk menciptakan keteraturan dan kesesuaian antara pemimpin dan pengikutnya. Penelitian ini mengangkat tentang kinerja Walikota Medan yaitu bapak Muhammad Bobby Afif Nasution, S.E., M.M. Terdapat 5 program prioritas Walikota Medan yaitu Bidang Kesehatan, Penanganan Infrastruktur, Penanganan Banjir, Kebersihan, dan Pembenahan Kawasan Heritage sekaligus Pemberdayaan UMKM. Penerapan teknik Support Vector Machine (SVM) bertujuan untuk menemukan fungsi pemisah yang paling optimal di antara berbagai fungsi yang ada guna membedakan dua jenis objek. Analisis sentimen atau opinion mining adalah proses otomatis untuk memahami, mengekstrak, dan memproses data tekstual guna memperoleh informasi tentang sentimen yang terkandung dalam kalimat opini. Hasil dari penelitian ini menunjukkan bahwa SVM mampu mencapai tingkat akurasi yang sangat baik dalam mengolah data sentimen, sehingga dapat membantu mahasiswa dan penulis dalam menganalisis pandangan publik terhadap aplikasi ini. Analisis sentimen terhadap data pada aplikasi X mengenai kinerja program Walikota Medan dapat dilakukan menggunakan metode Support Vector Machine dengan accuracy 81 %, precission 84%, recall 90% dan f1-score 87%.
References
Z. Reyhana, “Analisis Sentimen Pendapat Masyarakat terhadap Pembangunan Infrastruktur Kota Surabaya melalui Twitter dengan Menggunakan Support Vetor Machine Dan Neural Network,” 2018.
D. D. Nada, R. M. Atok, and A. P. Data, “928X Print) D480,” vol. 11, no. 6, 2022.
R. Ramlan, N. Satyahadewi, and W. Andani, “Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM,” Jambura J. Math, vol. 5, no. 2, pp. 431–445, Aug. 2023, doi: 10.34312/jjom.v5i2.20860.
H. T.W.M and F. Simangunsong, “Kepemimpinan Walikota dalam Mewujudkan Visi Pembangunan Berdasarkan Peraturan Menteri Dalam Negeri Nomor 86 Tahun 2017 di Kota Sibolga Provinsi Sumatera Utara,” Jurnal Ilmu Politik dan Pemerintahan, vol. 7, no. 2, pp. 20–37, 2021, doi: 10.37058/jipp.v7i2.3292.
W. P. Ali and Y. Sibaroni, “Analisis Sentimen Masyarakat terhadap Kinerja Presiden Indonesia dalam Aspek Ekonomi, Kesehatan, dan Pembangunan Berdasarkan Opini dari Twitter,” e-Proceeding of Engineering, vol. 6, no. 2, pp. 8637–8649, 2019.
R. Harjadinata, Analisis Sentimen Masyarakat Mengenai “Kebijakan Pemerintah Indonesia Dalam Menanggapi Covid-19” Dengan Menggunakan Motode Naïve Bayes Pada Media Sosial Facebook Dan Twitter. 2022.
F. D. Ananda and Y. Pristyanto, “Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine,” MATRIK?: Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 20, no. 2, pp. 407–416, 2021, doi: 10.30812/matrik.v20i2.1130.
Fajar Muharram and Kana Saputra S, “Analisis Sentimen Pengguna Twitter Terhadap Kinerja Walikota Medan Menggunakan Metode Naive Bayes Classifier,” Jurnal Sistem Informasi dan Ilmu Komputer, vol. 1, no. 2, pp. 01–12, 2023, doi: 10.59581/jusiik-widyakarya.v1i2.17.
S. Styawati, N. Hendrastuty, and A. R. Isnain, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 6, no. 3, pp. 150–155, 2021, doi: 10.30591/jpit.v6i3.2870.
Subihaini, “Analisis Pemanfaatan Teknologi Informasi dan Kinerja Individual,” Jurnal Widya Manajemen dan Komunikasi, vol. 6, no. 1, pp. 1–16, 2021.
M. S. Hasibuan and A. Serdano, “Analisis Sentimen Kebijakan Pembelajaran Tatap Muka Menggunakan Support Vector Machine dan Naive Bayes,” JRST (Jurnal Riset Sains dan Teknologi), vol. 6, no. 2, p. 199, 2022, doi: 10.30595/jrst.v6i2.15145.
M. Siringoringo, E. Okto Posmaida Damanik, and J. Wilfrid Pangihutan Purba, “Analisis Motivasi Kerja Untuk Meningkatkan Kinerja Karyawan Pada Fresh Laundry Pematangsiantar,” Manajemen?: Jurnal Ekonomi, vol. 5, no. 1, pp. 59–64, May 2023, doi: 10.36985/trqhy765.
I. P. Rahayu, A. Fauzi, and J. Indra, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine,” Jurnal Sistem Komputer dan Informatika (JSON), vol. 4, no. 2, p. 296, 2022, doi: 10.30865/json.v4i2.5381.
A. E. Rumetna, B. Y. Dwiandiyanta, and P. Ardanari, “Segmentasi pada Plat Kendaraan Menggunakan Metode Deteksi Tepi Canny dan Thresholding,” Jurnal Informatika Atma Jogja, vol. 1, no. 1, 2023.
T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568.
Sriani, A. H. Lubis, and L. P. A. Lubis, “Sentiment analysis on twitter about the death penalty using the support vector machine method,” TEKNOSAINS?: Jurnal Sains, Teknologi dan Informatika, vol. 11, no. 2, pp. 312–321, 2024, doi: 10.37373/tekno.v11i2.1096.
I. S. Tinendung and I. Zufria, “Pengelompokan Status Stunting Pada Anak Menggunakan Metode K-Means Clustering,” Jurnal Media …, vol. 7, pp. 2014–2023, 2023, doi: 10.30865/mib.v7i4.6908.
H. Haviluddin, S. J. Patandianan, G. M. Putra, N. Puspitasari, and H. S. Pakpahan, “Implementasi Metode K-Means Untuk Pengelompokkan Rekomendasi Tugas Akhir,” Informatika Mulawarman?: Jurnal Ilmiah Ilmu Komputer, vol. 16, no. 1, p. 13, 2021, doi: 10.30872/jim.v16i1.5182.
Y. T. Samuel and K. DEwi, “Penggunaan Metode NAÏVE BAYES Dalam Mengukur Tingkat Kepuasan Pengguna Terhadap Online System Universitas Advent Indonesia,” TeIKa, vol. 9, no. 02, pp. 147–153, Oct. 2019, doi: 10.36342/teika.v9i02.2162.
R. S. Wahono, Data Mining Data mining, vol. 2, no. January 2013. 2023.
E. Fitri, “Sentiment Analysis of the Ruangguru Application Using Naive Bayes, Random Forest and Support Vector Machine Algorithms,” Jurnal Transformatika, vol. 18, no. 1, p. 71, 2020.
M. D. P. A. Cahyadi, Tarjoko, and Purwanto, “Pengaruh Ketinggian Tempat Terhadap Sifat Fisiologi dan Hasil Kopi Arabika di Dataran Tinggi Desa Sarwodadi Kecamtan Pejawaran Kabupaten Banjarnegara,” Jurnal Ilmiah Agrosains, vol. 7, no. 1, pp. 1–7, 2021.
S. Rahman et al., Python?: Dasar Dan Pemrograman Berorientasi Objek. 2023.
