Analisis Sentimen Komentar Tiktok Terkait Wafatnya Lula Lahfah Menggunakan Algoritma SVM
Abstract
Riset ini bermaksud guna menelaah sentimen komentar pengakses Tiktok berkenaan fenomena wafat pesohor
internet Lula Lahfah memakai algoritma Support Vector Machine (SVM). Informasi dikumpulkan lewat metode scraping dari tiga kanal Tiktok, yakni @detikcom, @liputan6com, serta @antaranews, berjumlah keseluruhan 10.701 komentar. Usai dilakukan eliminasi catatan ganda, didapatkan 5.472 dokumentasi murni yang lantas diolah melewati tingkatan preprocessing yang mencakup cleaning, case folding, standarisasi istilah, tokenizing
, stopword removal, besertastemming. Berikutnya, materi dikategorisasi secara mekanis mengaplikasikan perspektiflexicon serta dipisahkan menjadi data training (80%) maupun data testing (20%). Prosedur pengelompokan dilangsungkan memakai algoritma Support Vector Machine (SVM) lewat feature extraction TF-IDF. Temuanobservasi memperlihatkan jika kerangka kerja SVM mempunyai kapabilitas yang amat unggul lewat angka ketepatan senilai 98% dan kekeliruan sebesar 2%. Disamping itu, besaran precision, recall, serta F1-score bagi tiap kategori sentimen (positif, netral, dan negatif) terletak di cakupan 0,96 sampai 1,00. Oleh karena itu, algoritma SVM teruji berdaya guna dalam mengerjakan pemilahan sentimen terhadap materi komentar platform daring serta sanggup menyajikan visualisasi yang tepat mengenai orientasi pandangan publik terhadap suatu peristiwa.
References
2. [Jurnal Tekno Kompak](https://jurnal.sttmcileungsi.ac.id/index.php/tekno/article/view/419?utm_source=chatgpt.com)
3. [Jurnal INSTEK UIN Alauddin](https://journal.uin-alauddin.ac.id/index.php/instek/article/view/54889?utm_source=chatgpt.com)
4. [ResearchGate Analisis Sentimen TikTok](https://www.researchgate.net/publication/400373336_ANALISIS_SENTIMEN_TERHADAP_KOMENTAR_PADA_VIDEO_VIRAL_FYP_TIKTOK_MENGGUNAKAN_METODE_NAIVE_BAYESANALISIS_SENTIMEN_TERHADAP_KOMENTAR_PADA_VIDEO_VIRAL_FYP_TIKTOK_MENGGUNAKAN_METODE_NAIVE_BAYES_Indonesia?utm_source=chatgpt.com)
5. [Text Categorization with Support Vector Machines](https://link.springer.com/chapter/10.1007/BFb0026683?utm_source=chatgpt.com)
6. [Support-Vector Networks](https://link.springer.com/article/10.1007/BF00994018?utm_source=chatgpt.com)
7. [Machine Learning in Automated Text Categorization](https://dl.acm.org/doi/10.1145/505282.505283?utm_source=chatgpt.com)
8. [Jurnal Analisis Sentimen Media Sosial TikTok](https://jtiik.ub.ac.id/index.php/jtiik?utm_source=chatgpt.com)
9. [Sentiment Analysis and Opinion Mining Book](https://www.cs.uic.edu/~liub/FBS/SentimentAnalysis-and-OpinionMining.pdf?utm_source=chatgpt.com)
10. [Penerapan TF-IDF dan SVM untuk Analisis Sentimen](https://garuda.kemdikbud.go.id?utm_source=chatgpt.com)
11. [Jurnal RESTI](https://jurnal.iaii.or.id/index.php/RESTI?utm_source=chatgpt.com)
12. [Jurnal Informatika Implementasi Text Mining](https://ejournal.bsi.ac.id/ejurnal/index.php/ji/article?utm_source=chatgpt.com)
13. [Klasifikasi Sentimen Menggunakan SVM](https://jurnal.stmikasia.ac.id/index.php/jitika/article?utm_source=chatgpt.com)
14. [The Text Mining Handbook](https://www.cambridge.org/core/books/text-mining-handbook/6DC79A6B1F13A8DDE7A95B6C6A7DF7D9?utm_source=chatgpt.com)
15. [Data Mining Concepts and Techniques](https://www.sciencedirect.com/book/9780123814791/data-mining-concepts-and-techniques?utm_source=chatgpt.com)
16. [Twitter as a Corpus for Sentiment Analysis and Opinion Mining](https://www.researchgate.net/publication/228521292_Twitter_as_a_Corpus_for_Sentiment_Analysis_and_Opinion_Mining?utm_source=chatgpt.com)
17. [word2vec Explained](https://arxiv.org/abs/1402.3722?utm_source=chatgpt.com)
18. [Python Machine Learning Book](https://github.com/rasbt/python-machine-learning-book-3rd-edition?utm_source=chatgpt.com)






