Implementasi Algoritma Random Forest dan Model Bag of Words Dalam Analisis Sentimen Mengenai E-Materai
DOI:
https://doi.org/10.54259/satesi.v4i2.3240Kata Kunci:
Bag of Words, E-Materai, Random Forest, Sentiment Analysis, Text MiningAbstrak
Media sosial X yang dahulunya bernama twitter menjadi media sosial populer dalam berinteraksi dan saling memberikan opini terhadap kejadian yang menjadi tren. Topik yang banyak dibicarakan adalah E-materai karena pada proses pendaftaran CPNS diperlukan pembubuhan E-Materai dalam persyaratannya. Tetapi saat pembelian e-materai menjadi viral, dikarena website https://meterai-elektronik.com yang menjadi halaman untuk membeli e-materai mengalami error. Untuk mengetahui sentiment masyarakat tentang e-materai setelah kejadian tersebut maka dilakukan analisis sentimen. Dalam menganalisis sentimen tersebut digunakan algoritma Random Forest dengan model Bag of Words dimana Random Forest merupakan metode pengembangan dari Classification and Regression Trees (CART) yang dikatakan lebih presisi dalam memprediksi dan model Bag of Words banyak digunakan dengan hasil yang baik untuk memprediksi pemodelan Bahasa dan klasifikasi dokumen karena Bag of Words sederhana dan fleksibel. Dalam analisis sentimen dihasilkan 86% opini netral, 9% opini negatif dan 5% opini positif. Lalu algoritma Random Forest dengan model Bag of Words mendapatkan nilai Accuracy sebesar 70.1%, precision sebesar 50.7%, recall 54.1%, dan F1-Score 47.6%.
Unduhan
Referensi
S. N. Fauza Tuanaya, “Fungsi Bea Meterai Dalam Surat Perjanjian,” Notarius, vol. 13, no. 2, pp. 879–889, 2020, doi: 10.14710/nts.v13i2.31290.
V. P. Wulandari, “Kedudukan Hukum Meterai Dalam Perjanjian Perdata Di Kota Palangka Raya,” Moral. J. Ilmu Huk., vol. 5, no. 1, pp. 50–72, 2019.
M. Z. Z. H. Safaat and M. M. Gulton, “Kekuatan Hukum Materai Elektronik Dalam Perjanjian Jual Beli Online,” J. Lex Suprema, vol. 5, no. 1, pp. 101–117, 2023, [Online]. Available: https://aptika.kominfo.go.id/2020/01/revolusi-industri-4-0/.
I. A. Pribadi, “Peruri terus lakukan pemulihan agar layanan e-materai kembali normal,” Antara, Sep. 05, 2024. [Online]. Available: https://www.antaranews.com/berita/4310067/peruri-terus-lakukan-pemulihan-agar-layanan-e-materai-kembali-normal
A. Fatkhudin, F. A. Artanto, N. A. Safli, and D. Wibowo, “Decision Tree Berbasis SMOTE dalam Analisis Sentimen Penggunaan Artificial Intelligence untuk Skripsi,” Remik Ris. dan E-Jurnal Manaj. Inform. Komput., vol. 8, no. April, pp. 494–505, 2024, doi: 10.33395/remik.v8i2.13531.
F. A. Artanto, “Analisis Sentimen Opini Publik terhadap Fenomena Bunuh Diri Mahasiswa di Twitter Menggunakan Algoritma Naive Bayes,” Satesi J. Sains Teknol. dan Sist. Inf., vol. 4, no. 1, pp. 70–76, 2024, doi: 10.54259/satesi.v4i1.2908.
Norlaila, W. W. Winarno, and E. T. Luthfi, “Analisis sentimen masyarakat tentang tambang di indonesia pada twitter menggunakan data mining,” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 9, no. 3, pp. 1091–1099, 2024, doi: https://doi.org/10.29100/jipi.v9i3.5402.
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,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 122–130, 2022, [Online]. Available: http://ojs.serambimekkah.ac.id/jnkti/article/view/4004/pdf
R. Pohan et al., “Implementasi Algoritma Support Vector Machine dan Model Bag-of-Words dalam Analisis Sentimen mengenai PILKADA 2020 pada Pengguna Twitter,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 10, pp. 4924–4931, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
A. A. Rahman, “Implementasi Pembobotan BoW dan TF-IDF Pada Algoritma Random Forest untuk Analisis Sentimen,” Universitas Pendidikan Indonesia, 2023. [Online]. Available: http://repository.upi.edu/id/eprint/102235
F. A. Larasati, D. E. Ratnawati, and B. T. Hanggara, “Analisis Sentimen Ulasan Aplikasi Dana dengan Metode Random Forest,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 6, no. 9, pp. 4305–4313, 2022, [Online]. Available: http://j-ptiik.ub.ac.id
M. R. Adrian, M. P. Putra, M. H. Rafialdy, and N. A. Rakhmawati, “Perbandingan Metode Klasifikasi Random Forest dan SVM Pada Analisis Sentimen PSBB,” J. Inform. Upgris, vol. 7, no. 1, pp. 36–40, 2021, doi: 10.26877/jiu.v7i1.7099.
F. A. Artanto, “Support Vector Machine Berbasis Particle Swarm Optimization Pada Analisis Sentimen Anggota KPPS,” J. FASILKOM (teknologi Inf. dan ILmu KOMputer), vol. 14, no. 1, pp. 75–79, 2024, doi: https://doi.org/10.37859/jf.v14i1.6795.
A. Wahyuningtyas, I. S. Sitanggang, and H. Khotimah, “Deteksi Spam pada Twitter Menggunakan Algoritme Naïve Bayes,” J. Ilmu Komput. dan Agri-Informatika, vol. 7, no. 1, pp. 31–40, 2020, doi: 10.29244/jika.7.1.31-40.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.
A. Fatkhudin, A. Khambali, F. A. Artanto, and N. A. P. Zade, “Implementasi Algoritma Clustering K-Means Dalam Pengelompokan Mahasiswa Studi Kasus (Prodi Manajemen Informatika),” J. Minfo Polgan, vol. 12, no. 2, pp. 777–783, 2023, doi: 10.33395/jmp.v12i2.12494.
I. Rosyadi, F. A. Artanto, S. E. Rahmawati, H. Tri, and B. Joyo, “Decision Tree Dalam Analisis Keputusan Pembelian Program Pada Perkumpulan Penggiat Programmer Indonesia,” J. Fasilkom, vol. XII, no. III, pp. 141–144, 2022.
M. F. I. Haq, I. Rosyadi, M. Nasir, and A. Khambali, “Sentiment Analisis Ulasan Aplikasi Livin Pada Google Play Store,” J. Surya Inform., vol. 14, no. 1, pp. 24–29, 2024.
H. H. Kusumawardani, I. Rosyadi, F. A. Artanto, F. I. Arzha, and N. A. Rachmayani, “Analisis Decision Tree dalam Pengaruh Digital Marketing terhadap Penerimaan Siswa Baru,” Remik, vol. 6, no. April, pp. 225–231, 2022.
A. Miftahusalam, A. F. Nuraini, A. A. Khoirunisa, and H. Pratiwi, “Perbandingan Algoritma Random Forest, Naïve Bayes, dan Support Vector Machine Pada Analisis Sentimen Twitter Mengenai Opini Masyarakat Terhadap Penghapusan Tenaga Honorer,” Semin. Nas. Off. Stat., no. 1, pp. 563–572, 2022, doi: 10.34123/semnasoffstat.v2022i1.1410.
E. Daniati and H. Utama, “Analisis Sentimen Dengan Pendekatan Ensemble Learning Dan Word Embedding Pada Twitter,” J. Inf. Syst. Manag., vol. 4, no. 2, pp. 125–131, 2023, doi: 10.24076/joism.2023v4i2.973.
D. Krisnandi, R. N. Ambarwati, A. Y. Asih, A. Ardiansyah, and H. F. Pardede, “Analisis Komentar Cyberbullying Terhadap Kata Yang Mengandung Toksisitas Dan Agresi Menggunakan Bag of Words dan TF-IDF Dengan Klasifikasi SVM,” J. Linguist. Komputasional, vol. 6, no. 2, pp. 36–41, 2023, doi: 10.26418/jlk.v6i2.85.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Fenilinas Adi Artanto
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
