Klasifikasi sentimen masyarakat terhadap kinerja pemerintah dalam menanggulangi covid-19 menggunakan metode Bagging Esemble Classifer Dengan Seleksi Fitur Information Gain

INDONESIA :

Media sosial merupakan salah satu media yang digunakan untuk melakukan interaksi maupun komunikasi. Dengan adanya media sosial tentunya akan memudahkan manusia dalam menyampaikan suatu informasi terhadap orang lain atau menyampaikan kondisi yang sedang dialami. Salah satu media sosial yang biasa digunakan adalah Youtube. Youtube telah memfasilitasi pengguna untuk mendapatkan informasi dari video yang diunggal oleh seseorang melalui kanal Youtube, pengguna juga bisa memberikan komentar terhadap video yang pengguna tonton. Tidak jarang masyarakat Indonesia menyampaikan apa yang mereka rasakan, alami, atau bahkan hanya sekedar menyampaikan informasi kedalam komentar video Youtube. Pada penelitian ini mengambil kasus ketika pemerintah memberlakukan kebijakan PPKM pada masa pandemi banyak masayarakat yang memberikan komentar dengan berbagai sentimen seperti positif, negatif, dan bahkan hanya menyampaikan informasi. Dalam penelitian ini menggunakan metode Bagging Ensemble Learning dengan seleksi fitur Information Gain. Tujuan dari penelitian ini ingin mengukur pengaruh penerapan metode Bagging Ensemble Learning pada akurasi, presisi, recall, dan f-measure dengan metode klasifikasi dasar Naïve Bayes. Metode Bagging Ensemble Learning menerapkan proses boostrap aggregating pada metode klasifikasi dasar sehingga bisa mendapatkan hasil performa lebih baik dan pada penelitian ini menggunakan klasifikasi dasar Naive Bayes. Sedangkan Information Gain digunakan untuk menghilangkan fitur-fitur yang tidak relevan sebelum memasuki proses klasifikasi. Pada klasifikasi sentimen menggunakan Bagging Ensemble Learning dan seleksi fitur Information Gain didapatkan hasil terbaik pada pembagian dataset 8:2 dengan fitur sebanyak 30% menghasilkan nilai akurasi sebesar 64%, presisi sebesar 67%, recall sebesarr 66%, dan f-measure sebesar 64%. Sehingga dapat disimpulkan bahwa penggunaan Bagging Ensemble Learning pada metode Naive Bayes akan berpengaruh pada hasil klasifikasi

ENGLISH :

Social media is one of the media used for interaction and communication. With social media, of course, it will make it easier for humans to convey information to other people or convey the conditions that are being experienced. One of the most commonly used social media is YouTube. Youtube has facilitated users to get information from videos uploaded by someone through the Youtube channel, users can also provide comments on videos that users watch. Not infrequently Indonesian people convey what they feel, experience, or even just convey information in Youtube video comments. This research takes the case when the government implemented the PPKM policy during the pandemic, many people commented with various sentiments such as positive, negative, and even just conveying information. In this study using the Bagging Ensemble Learning method with Information Gain feature selection. The purpose of this research is to measure the effect of applying the Bagging Ensemble Learning method on accuracy, precision, recall, and f-measure using the basic Naïve Bayes classification method. The Bagging Ensemble Learning method applies the boostrap aggregating process to the basic classification method so that it can get better performance results and in this study uses the Naive Bayes basic classification. Meanwhile, Information Gain is used to eliminate irrelevant features before entering the classification process. In the sentiment classification using Bagging Ensemble Learning and Information Gain feature selection, the best results were obtained in the distribution of the 8: 2 dataset with 30% features resulting in an accuracy value of 64%, precision of 67%, recall of 66%, and f-measure of 64%. . So it can be concluded that the use of Bagging Ensemble Learning in the Naive Bayes method will affect the classification results

ARABIC :

وسائل التواصل الاجتماعي هي إحدى الوسائط المستخدمة للتفاعل والتواصل. مع وسائل التواصل الاجتماعي ، بالطبع ، ستسهل على البشر نقل المعلومات إلى أشخاص آخرين أو نقل الظروف التي يمرون بها. يعد موقع YouTube أحد أكثر وسائل التواصل الاجتماعي شيوعًا. سهّل موقع Youtube للمستخدمين الحصول على معلومات من مقاطع الفيديو التي تم تحميلها بواسطة شخص ما عبر قناة Youtube ، ويمكن للمستخدمين أيضًا تقديم تعليقات على مقاطع الفيديو التي يشاهدها المستخدمون. ليس من النادر أن ينقل الإندونيسيون ما يشعرون به أو يختبرونه أو حتى ينقلوا المعلومات فقط في تعليقات فيديو Youtube. يأخذ هذا البحث الحالة عندما نفذت الحكومة سياسات PPKM أثناء الوباء ، أعطى العديد من الأشخاص تعليقات بمشاعر مختلفة مثل الإيجابية والسلبية وحتى مجرد نقل المعلومات. في هذه الدراسة ، يتم استخدام أسلوب تعليمي مجموعة التعبئة مع اختيار ميزة اكتساب المعلومات. الغرض من هذا البحث هو قياس تأثير تطبيق طريقة تعلم مجموعة التعبئة على الدقة والدقة والاستدعاء والقياس باستخدام طريقة تصنيف Naïve Bayes الأساسية. تطبق طريقة تعلم مجموعة التعبئة في عملية التجميع على طريقة التصنيف الأساسية بحيث يمكنها الحصول على نتائج أداء أفضل وفي هذه الدراسة تستخدم تصنيف Naive Bayes الأساسي. وفي الوقت نفسه ، يتم استخدام كسب المعلومات للتخلص من الميزات غير ذات الصلة قبل الدخول في عملية التصنيف. تم الحصول على أفضل النتائج في توزيع مجموعة البيانات 8: 2 مع ميزات 30٪ مما أدى إلى قيمة دقة 64٪ ودقة 67٪ واستدعاء 66٪ في تصنيف المشاعر باستخدام ميزة اختيار مجموعة التعلم واكتساب المعلومات. ، و قياس 64٪. لذلك يمكن استنتاج أن استخدام تعلم مجموعة التعبئة في طريقة Naive Bayes سيؤثر على نتائج التصنيف