Implementasi Algoritma Text Mining dan Cosine Similarity untuk Desain Sistem Aspirasi Publik Berbasis Mobile

Abstract

Keberadaan DPRD di daerah sering disebut sebagai fungsi perwakilan karena bertugas menyuarakan aspirasi rakyat dan bertindak atas nama rakyat (pemerintah perwakilan) di bidang legislatif. Selama ini sebagian besar masyarakat masih sulit menyampaikan aspirasinya kepada Dewan Perwakilan Rakyat Daerah (DPRD) Kota Makassar dan mendapatkan masukan atas aspirasi yang disampaikan masyarakat kepada Dewan Perwakilan Rakyat Daerah (DPRD). Masalah penelitian adalah bagaimana mengolah data aspirasi masyarakat untuk mengkategorikan mereka berdasarkan komisi berbasis mobile dan data aspirasi masyarakat mendapatkan masukan dari Dewan Perwakilan Rakyat Daerah (DPRD) atas aspirasi yang mereka kirimkan. Tujuan dari penelitian ini adalah untuk membangun sebuah aplikasi yang dapat menampung aspirasi masyarakat dan kemudian dapat mengklasifikasikannya dan meneruskannya ke komisi berbasis mobile yang sesuai, untuk menyediakan sistem yang dapat digunakan DPRD untuk memberikan masukan. Metode penelitian adalah algoritma Text Mining dan Cosine Similarity. Hasil penelitian adalah Aplikasi menggunakan kombinasi metode text mining dan Cosine similarity mengukur kesamaan fungsional masing-masing komisi dengan aspirasi yang diinput oleh masyarakat sehingga aspirasi dapat tepat sasaran. Syarat penetapan multikomisi adalah harus ≥ 75% dari nilai maksimum.

Sentiment Analysis of Content Permenkominfo NO.5 of 2020 Using a Classification Algorithm

“…The research that will be conducted combines a text analysis approach, namely Text Mining and sentiment analysis technique. Text Mining is searching for patterns in the text to extract useful information, while sentiment analysis understands a text's polarity and categorizes it as positive, negative, or neutral [8], [9]. In this research, the analysis process will go through several stages, such as dataset retrieval, Text Preprocessing, sentiment labeling with InSet Lexicon, word weighting with TF-IDF, and classification using Support Vector Machine, Naïve Bayes Classifier, and K-Nearest Neighbors.…”

Sentiment Analysis on WeTV App Reviews on Google Play Store Using NBC and SVM Algorithms

“…Selain itu, terdapat penelitian berjudul "Perbandingan Metode Naïve Bayes dan Support Vector Machine Untuk Analisis Sentimen Terhadap Vaksin Astrazeneca di Twitter" oleh Indriyani et al pada tahun 2022 dan menjadikan Support Vector Machine sebagai metode dengan akurasi terbesar yaitu 87,27% [19] dan "Analisis Sentimen Aplikasi Transportasi Online KRL Access Menggunakan Metode Naïve Bayes" yang dilakukan oleh Nurwahyuni pada tahun 2019 dan dihasilkan nilai akurasi sebesar 84% [20]. Penelitian selanjutnya yaitu "Implementasi Algoritma Text Mining dan Cosine Similarity untuk Desain Sistem Aspirasi Publik Berbasis Mobile" yang dilakukan oleh Rismayani et al pada tahun 2022 dan menghasilkan aplikasi yang menggunakan method text mining serta cosine similarity untuk pengukuran tingkat kemiripan fungsional setiap bidang pemerintahan dengan aspirasional yang dimasukkan masyarakat agar sesuai [21].…”

Analisis eWOM terhadap Destinasi Wisata Super Prioritas Menggunakan Text Mining

“…Pada tahapan pengolahan data, peneliti menggunakan metode Text Mining. Text mining adalah metode yang menerapkan konsep dan teknik Data Mining untuk mencari pola dan mengekstrak informasi dalam suatu teks untuk tujuan tertentu (Rismayani et. al., 2022).…”