Analisis Sentimen Persepsi Publik Terhadap Kasus Bullying Siswa Cilacap Menggunakan Pendekatan Machine Learning
DOI:
10.51519/journalita.v4i3.436Keywords:
Analisis Sentimen, Bullying Siswa SMP, Media Sosial, YouTube, Algoritma Naive BayesAbstract
Analisis sentimen jadi pendekatan yang berarti dalam memahami anggapan dan opini masyarakat terhadap suatu peristiwa, sangat utama kala mengaitkan aksi kekerasan semacam bullying. Kasus bullying siswa SMP di Cilacap, Jawa Tengah, pada bulan September 2023 jadi sorotan publik dan menarik atensi melalui media sosial, sangat utama di platform YouTube. Studi ini dicoba dengan tujuan utama mempraktikkan algoritma klasifikasi Naive Bayes dalam melakukan analisis sentimen terhadap komentar di media sosial terpaut kasus bullying. Tata metode studi mengaitkan crawling data, pra- pemrosesan mengenakan RapidMiner, konsumsi TF- IDF buat representasi dokumen, dan implementasi Naive Bayes Classifier. Hasil analisis sentimen menunjukkan tingkatan akurasi sebesar 98. 19%, dengan kemampuan yang besar dalam mengklasifikasikan komentar sebagai positif, negatif, maupun netral. Meski demikian, evaluasi mengenakan confusion matrix berkata sebagian kasus negatif yang teridentifikasi tidak benar. Kesimpulan dari studi ini dapat memberikan pengetahuan berharga tentang tata cara masyarakat merespons dan berpendapat terhadap aksi bullying di zona sekolah.
References
A. Tan, "Text Mining: The state of the art and the challenges," Bulletin of Roszdravnadzor, vol. 4, pp. 9–15, 2017.
Y. Saraswati, T. Suprihatiningsih, and S. Pranowo, "Pengaruh Pendidikan Kesehatan Tentang Bullying Dengan Metode Ceramah Menggunakan Leaflet Dan Lcd Terhadap Sikap Bullying Pelajar Smpn 4 Cilacap," Pros. Semin. Nas. dan Disem. Penelit. Kesehat., vol. 1, no. 1, pp. 125–128, 2018.
S. Sahar, "Analisis Perbandingan Metode K-Nearest Neighbor dan Naïve Bayes Clasiffier Pada Dataset Penyakit Jantung," Indones. J. Data Sci., vol. 1, no. 3, pp. 79–86, 2020, doi: 10.33096/ijodas.v1i3.20.
A. Deolika, K. Kusrini, and E. T. Luthfi, "Analisis Pembobotan Kata Pada Klasifikasi Text Mining," J. Teknol. Inf., vol. 3, no. 2, p. 179, 2019, doi: 10.36294/jurti.v3i2.1077.
M. Christianto, J. Andjarwirawan, and A. Tjondrowiguno, "Aplikasi analisa sentimen pada komentar berbahasa Indonesia dalam objek video di website YouTube menggunakan metode Naïve Bayes classifier," J. Infra, vol. 8.1, pp. 255–259, 2020.
J. Budiarto, "Identifikasi Kebutuhan Masyarakat Nusa Tenggara Barat pada Pandemi Covid-19 di Media Sosial dengan Metode Crawling," vol. 2, no. 4, pp. 244–250, 2021.
A. Putri dan A. Muzakir, "Analisis sentimen cyberbullying kpop di media sosial twitter menggunakan metode naive bayes," 2022.
Calyptra, "Studi deskriptif perilaku bullying pada remaja," 2014.
D. Krstini?, M. Braovi?, L. Šeri?, dan D. Boži?-Štuli?, "Multi-label classifier performance evaluation with confusion matrix," 2020.
G. L. Webb, E. Keogh, dan R. Miikkulainen, "Naïve Bayes," 2010.
L. Ardiani, H. Sujaini, dan T. Tursina, "Implementasi sentiment analysis tanggapan masyarakat terhadap pembangunan di Kota Pontianak," 2020.
Y. Liu, X. Huang, A. An, dan X. Yu, "SSAP: Storylines and sentiment aware pre-trained model for story ending generation," 2007.
S. Raghavan dan H. Garcia-Molina, "Crawling the Hidden Web," 2000.
M. Najork dan A. Heydon, "High-performance website crawling," pp. 25–45, Springer US, 2002.
B. Mirkin, "Informasi analysis, mathematical statistics, machine learning, informasi mining: Similarities and differences," in 2011 International Conference on Advanced Computer Science and Information Systems, pp. 8, December 2011.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Muhammad Alfarizi, Muhammad Rizqy, Rifqi Imam Ghufroni, Dzaki Fathurahman, Rahmat Dani Saputra, Fandi Kurniawan
This work is licensed under a Creative Commons Attribution 4.0 International License.
