Analisis Sentimen Masyarakat Terhadap Kinerja Trans Semarang Menggunakan Metode Random Forest
Abstract
Opinion from the public on the performance of Trans Semarang transportation that has been widely discussed on social media X, resulting in many pros and cons. Sentiment analysis comes as a way to understand public opinion, examining the opinions and attitudes of individuals towards an object. individual attitudes towards an object. By using an algorithm methodology, namely Random Forest in classifying data to determine the accuracy of the data to determine the accuracy of the level of sentiment value of X users towards Trans Semarang performance. performance of Trans Semarang. This research uses a dataset taken with keyword "Trans Semarang". Random Forest algorithm is used to classify the data and then test it with various ratios, where the results of this algorithm can be used for the evaluation stage. The results of this algorithm can be used for the evaluation stage. This method produces a confusion matrix value with an accuracy of 81%, an average precission of 80%, average recall 80%, and average f-measure 80%.
Keyword: Trans Semarang; Random Forest; Sentiment Analysis
Abstrak
Opini dari masyarakat terhadap kinerja transportasi Trans Semarang yang ramai dibicarakan di sosial media X, sehingga menimbulkan banyak pro dan kontra. Analisis sentimen hadir sebagai cara untuk memahami opini publik, meneliti pendapat dan sikap individu terhadap suatu objek. Dengan menggunakan metodologi algoritma yaitu Random Forest dalam pengklasifikasian data untuk mengetahui akurasi tingkat nilai sentimen pengguna X terhadap kinerja Trans Semarang. Penelitian ini menggunakan dataset yang diambil dengan kata kunci “Trans Semarang”. Algoritma Random Forest digunakan untuk mengklasifikasikan data dan kemudian mengujinya dengan berbagai rasio, dimana hasil algoritma ini dapat digunakan untuk tahap evaluasi. Metode ini menghasilkan nilai confusion matrix dengan accuracy 81%, precission rata-rata 80%, recall rata-rata 80%, dan f-measure rata-rata 80%.
Kata kunci: Trans Semarang; Random Forest; Analisis Sentimen
References
E. Suryati, A. Ari Aldino, N. Penulis Korespondensi, and E. Suryati Submitted, “Analisis Sentimen Transportasi Online Menggunakan Ekstraksi Fitur Model Word2vec Text Embedding Dan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi dan Sistem Informasi, vol. 4, no. 1, pp. 96–106, 2023, DOI: 10.33365/jtsi.v4i1.2445.
H. Faradian, A. Rubhasy, and Y. F. Wijaya, “Analisis Sentimen Terhadap Penutupan Tiktok Shop Menggunakan Algoritma Naïve Bayes Classifier Pada Media Sosial X,” Jurnal Ilmiah Sain dan Teknologi, vol. 2, no. 4, pp. 150–163, 2024.
A. C. Najib, A. Irsyad, G. A. Qandi, and N. A. Rakhmawati, “Perbandingan Metode Lexicon-based dan SVM untuk Analisis Sentimen Berbasis Ontologi pada Kampanye Pilpres Indonesia Tahun 2019 di Twitter,” Fountain of Informatics Journal, vol. 4, no. 2, p. 41, Nov. 2019. DOI: 10.21111/fij.v4i2.3573.
B. Ramadhani, R. R. Suryono, and K. Kunci, “Komparasi Algoritma Naïve Bayes dan Logistic Regression Untuk Analisis Sentimen Metaverse,” Jurnal Media Informatika Budidarma, vol. 8, no. 2, pp. 714-725, 2024. DOI: 10.30865/mib.v8i2.7458.
B. Mas Pintoko and K. Muslim, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” e-proceeding of engineering, vol. 5, no. 3, pp. 8121-8130, 2018.
I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria, “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” Jurnal Nasional Komputasi dan Teknologi Informasi, vol. 5, no. 1, pp. 122-130, 2022.
N. Fitriyah, B. Warsito, D. Asih, and I. Maruddani, “Analisis Sentimen Gojek pada Media Sosial Twitter dengan Klasifikasi Support Vector Machine (SVM),” Jurnal Gaussian, vol. 9, no. 3, pp. 376–390, 2020.
B. Irawan and O. Nurdiawan, “Analisis Sentimen Terhadap Pengguna Gojek danGrab pada Media Sosial Twitter Menggunakan Random Forest,” JATI : Jurnal Mahasiswa Teknik Informatika, vol. 7, no. 5, pp. 3614-3618, 2023.
J. Eka Sembodo, E. Budi Setiawan, and Z. Abdurahman Baizal, “Data Crawling Otomatis pada Twitter,” in Indonesian Symposium on Computing (Indo-SC), Bandung, 11–16, 24 September, 2016.
J. Budiarto, “Identifikasi Kebutuhan Masyarakat Nusa Tenggara Barat pada Pandemi Covid-19 di Media Sosial dengan Metode Crawling (Requirements Identification for NTB People in pandemic covid-19 at Social Media Using Crawling Method),” JTIM : Jurnal Teknologi Informasi dan Multimedia, vol. 2, no. 4, pp. 244–250, 2021.
F. Nurona Cahya et al., “Klasifikasi Penyakit Mata Menggunakan Convolutional Neural Network ( CNN),” SISTEMASI:Jurnal Sistem Informasi, vol. 10, pp. 618–626, 2023.
R. Riyaddulloh and A. Romadhony, “Normalisasi Teks Bahasa Indonesia Berbasis Kamus Slang Studi Kasus: Tweet Produk Gadget Pada Twitter,” e-proceeding of engineering, vol. 8, no. 4, pp. 4216-4228, 2021.
L. Hermawati, V. Berland, A. Rahmadiah, E. Hutabarat, and D. Dwi Saputra, “Komparasi Metode Text Mining Terhadap Masalah Pengklasifikasian Narasi Informative & Non Informative Pada twitter @PLN_123,” Jurnal Sistim Informasi dan Teknologi, vol. 5, no. 1, pp. 109-120, 2023. DOI: 10.37034/jsisfotek.v4i2.191.
B. Herwijayanti, D. E. Ratnawati, and L. Muflikhah, “Klasifikasi Berita Online dengan menggunakan Pembobotan TF-IDF dan Cosine Similarity,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, no. 1, pp. 306–312, 2018.
E. Fitri, Y. Yuliani, S. Rosyida, and W. Gata, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” TRANSFORMTIKA, vol. 18, no. 1, pp. 71–80, 2020, [Online]. Available: www.nusamandiri.ac.id,
How To Cite This :
Refbacks
- There are currently no refbacks.
