Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

ANALISIS SENTIMEN MASYARAKAT TERHADAP KENDARAAN LISTRIK MENGGUNAKAN TEKNIK MACHINE LEARNING PADA SOSIAL MEDIA X

Gathot Hanyokro Kusuma, - (2023) ANALISIS SENTIMEN MASYARAKAT TERHADAP KENDARAAN LISTRIK MENGGUNAKAN TEKNIK MACHINE LEARNING PADA SOSIAL MEDIA X. JUSIFO (Jurnal Sistem Informasi). ISSN ISSN: 2623-1662 (online) | 2460-092X (printed)

[img]
Preview
Text
TA_Gathot .pdf

Download (2MB) | Preview

Abstract

Masalah lingkungan dan menipisnya bahan bakar minyak bumi terus meningkat karena jumlah pengguna kendaraan dengan bahan bakar minyak bumi terus meningkat di Indonesia. Kendaraan listrik bisa menjadi salah satu solusi alternatif dalam mengurangi masalah lingkungan saat ini, karena kendaraan listrik memiliki keunggulan yaitu tidak menyebabkan polusi dan ramah lingkungan. Analisis sentimen dilakukan untuk mengetahui tanggapan masyarakat baik yang pro maupun kontra terhadap kendaraan listrik. Adapun tujuan penelitian ini melakukan analisis sentimen pada pengguna sosial media X mengenai kendaraan listrik menggunakan Teknik Machine Learning. Tahapan penelitian ini terdiri dari pengumpulan data, seleksi data, pra proses data, dan klasifikasi menggunakan Algoritma Naïve Bayes Classifier (NBC), Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN). Berdasarkan hasil simulasi, pada dataset yang di-balancing menggunakan ROS didapatkan performa SVM adalah akurasi = 71,9%, presisi = 73,9% recall =73,3%; performa NBC adalah akurasi = 64.5 %, presisi = 64.5%, recall = 64.8%; dan performa KNN adalah akurasi = 61,3 %, presisi = 63,1% , recall =62,7%. Sehingga dapat disimpulkan Algoritma SVM+ROS merupakan performa terbaik.

Item Type: Article
Subjects: 000 Karya Umum > 004 Pemrosesan Data, Ilmu Komputer, Teknik Informatika
000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 23 Jan 2024 03:51
Last Modified: 23 Jan 2024 03:51
URI: http://repository.uin-suska.ac.id/id/eprint/77411

Actions (login required)

View Item View Item