Klasifikasi Akun Buzzer Pemilu Pada Media Sosial Twitter Berdasarkan Data Tweet Menggunakan Algoritma C4.5

Maulana, Agus; Kuswayati, Sri

doi:10.53580/naratif.v3i02.132

Cited by 2 publications

(2 citation statements)

References 3 publications

(3 reference statements)

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Text mining bertujuan untuk mendapatkan informasi dari sekumpulan dokumen yang akan dipergunakan dalam proses klasifikasi itu sendiri. Text mining dapat diolah memanfaatkan bagian klasifikasi, yaitu pengkategorian teks (text categorization) dan pengelompokan teks (text clustering) [4]. Pada proses text mining, menggunakan data yang bersumber dari sekumpulan teks dalam bentuk yang tidak terstruktur atau setidaknya sebagian terstruktur.…”

Section: Metode Penelitianunclassified

Klasifikasi Teks Ulasan Aplikasi Netflix Pada Google Play Store Menggunakan Algoritma Naïve Bayes Dan SVM

Khoirunnisaa,

Nabila Nastiti Kesuma,

Setiawan

et al. 2024

SKANIKA

View full text Add to dashboard Cite

Netflix ialah platform streaming berlangganan yang menyajikan beragam acara seperti tv series, dokumenter, serta film yang terhubung pada sebuah perangkat yang terkoneksi dengan internet. Netflix salah satu platform aplikasi streaming video yang digunakan paling banyak di seluruh dunia dan kini mulai menerapkan teknologi analisis data dan machine learning untuk meningkatkan layanan penggunanya. Melalui Google Play Store, pengguna dapat menyampaikan berbagai macam ulasan mengenai aplikasi Netflix. Dari banyaknya data ulasan tersebut, dapat dimanfaatkan untuk mengekstrak informasi penting yang tersembunyi dan bermanfaat untuk mengevaluasi kualitas suatu aplikasi. Oleh karena itu, penelitian ini bertujuan guna mengklasifikasikan ulasan teks aplikasi Netflix dengan membandingkan dua algoritma yang diterapkan yakni, Support Vector Machine (SVM) serta Naive Bayes. Dengan maksud untuk mendapati manakah algoritma yang lebih efektif dari segi akurasinya. Dataset diperoleh melalui Google Play Store dan menerapkan metode scraping, sebanyak 1000 ulasan dan diolah menggunakan bahasa pemrograman Python. Kemudian data ulasan aplikasi Netflix yang telah didapatkan dipecah menjadi train data 70% dan test data 30%. Penerapan algoritma Naive Bayes mendapatkan hasil accuracy senilai 82%, lalu Support Vector Machine (SVM) memperoleh hasil accuracy senilai 85%. Sehingga, menunjukkan hasil penerapan algoritma Naive Bayes tidak lebih efektif dibandingkan Support Vector Machine (SVM).

show abstract

Section: Metode Penelitianunclassified

Klasifikasi Teks Ulasan Aplikasi Netflix Pada Google Play Store Menggunakan Algoritma Naïve Bayes Dan SVM

Khoirunnisaa,

Nabila Nastiti Kesuma,

Setiawan

et al. 2024

SKANIKA

View full text Add to dashboard Cite

show abstract

“…Feature selection is the process of removing less relevant features in the classification process (Maulana & Soebroto, 2019). The feature selection used in this study is Chi-square.…”

Section: Feature Selectionmentioning

confidence: 99%

Comparison of NB and SVM in Sentiment Analysis of Cyberbullying using Feature Selection

Riadi,

Utami,

Yaqin

2023

SinkrOn

View full text Add to dashboard Cite

In the past few decades, the internet has become an inseparable part of human life. It provides ease of access and permeates almost every aspect of human existence. One of the internet platforms that is widely used by people around the world is social media. Apart from being spoiled with the convenience and efficiency offered by social media to support daily life, it has gained popularity among a wide audience. This has positive implications when utilized effectively, but it cannot be denied that there are negative consequences if not utilized properly. One such consequence is the prevalence of cyberbullying activities on social media. Cyberbullying has become a major concern for the public and social media users, prompting researchers to leverage information technology in developing technologies that can identify the elements of cyberbullying, particularly on social media platforms. Sentiment analysis has been employed by researchers to identify the components of cyberbullying in online platforms. Sentiment analysis involves the application of natural language processing techniques and text analysis to identify and extract subjective information from text. This study aims to compare the Naive Bayes algorithm and the Support Vector Machine algorithm, while utilizing feature selection, specifically chi-square, to enhance the accuracy of both algorithms in classifying Instagram comments. The experimental results indicate that the Multinomial Naive Bayes (MNB) algorithm outperforms the Support Vector Machine (SVM) algorithm, achieving an accuracy of 83.85% without feature selection and 90.77% with feature selection. Meanwhile, SVM achieves an accuracy of 82.31% without feature selection and 90% with feature selection. Evaluation through the confusion matrix and classification report reveals that MNB exhibits better precision and recall rates compared to SVM in identifying bullying and non-bullying classes. The use of feature selection enhances the performance of both algorithms in classifying Instagram comments related to cyberbullying.

show abstract

Klasifikasi Akun Buzzer Pemilu Pada Media Sosial Twitter Berdasarkan Data Tweet Menggunakan Algoritma C4.5

Cited by 2 publications

References 3 publications

Klasifikasi Teks Ulasan Aplikasi Netflix Pada Google Play Store Menggunakan Algoritma Naïve Bayes Dan SVM

Klasifikasi Teks Ulasan Aplikasi Netflix Pada Google Play Store Menggunakan Algoritma Naïve Bayes Dan SVM

Comparison of NB and SVM in Sentiment Analysis of Cyberbullying using Feature Selection

Contact Info

Product

Resources

About