Analisis sentimen artikel berita pemilu berbasis metode klasifikasi

ABSTRAK

Penyaluran informasi berupa berita online begitu masif di tengah masyarakat luas, sehingga sulit membedakan berupa berita haox ataupun berita positif. Sehingga dibutuhkan klasifikasi mengenai sentimen publik tentang pelaksanaan pemilu dengan menggunakan data artikel berita media mainstream yang menggunakan data uji 1064 dataset. Metode yang digunakan adalah pada penelitian ini adalah algoritma naive bayes, algoritma random forest, dan algoritma support vektor machine. Model uji coba menggunakan smote dimana hasil performa yang dilakukan oleh algortima yang digunakan dengan menggunakan smote dan tidak menggunakan smote, dimana random forest menghasilkan akurasi 91,88%, sedangkan tampa menggunakan smote support vektor machine menghasilkan akurasi 92,05%.

ABSTRACT

The distribution of information in the form of online news is still in the midst of the wider community, so it is difficult to distinguish between hoax news and positive news. Classification regarding public sentiment about implementing elections using mainstream media news article data using test data of 1064 datasets. The method used in this study is the Naive Bayes algorithm, the random forest algorithm, and the support vector machine algorithm. The test model uses smote where the performance results are carried out by the algorithm used using smote and not using smote, where random forest produces an accuracy of 91.88%. In contrast, without using a smote support vector machine, it produces an accuracy of 92.05%.

مستخلص البحث

إن توزيع المعلومات في شكل أخبار على الإنترنت ضخم للغاية في المجتمع الأوسع ، بحيث يصعب التمييز بين الأخبار الخادعة والأخبار الإيجابية. لذلك هناك حاجة إلى تصنيف فيما يتعلق بالمشاعر العامة حول تنفيذ الانتخابات باستخدام بيانات المقالات الإخبارية لوسائل الإعلام الرئيسية التي تستخدم بيانات اختبار من 1064 مجموعة بيانات. الطرق المستخدمة في هذه الدراسة هي خوارزمية بايز الساذجة وخوارزمية الغابة العشوائية وخوارزمية آلة المتجه الداعمة. يستخدم نموذج الاختبار smote حيث يتم تنفيذ نتائج الأداء بواسطة الخوارزمية المستخدمة باستخدام smote وليس باستخدام smote ، حيث تنتج Random Forest دقة تبلغ 91.88 ٪ ، بينما بدون استخدام آلة متجهية لدعم smote تنتج دقة 92.05 ٪.