Sentimen Analysis pada Opini Masyarakat terhadap Pelayanan Publik Polres Ponorogo menggunakan Metode Support Vector Machine
Kata Kunci:
Analisis sentimen, pelayanan publik, media sosial, Support Vector Machine (SVM), opini masyarakat, root cause analysis, tableau, Polres PonorogoAbstrak
Penelitian ini menganalisis sentimen masyarakat terhadap pelayanan publik Polres Ponorogo, Indonesia, menggunakan metode Support Vector Machine (SVM) untuk mengidentifikasi komentar negatif atau positif. Data yang digunakan berasal dari media sosial Twitter, Google Review, dan sistem Binmas Online System (BOS V2). Teknik Text Mining digunakan untuk memproses data, sementara SVM digunakan untuk melatih model dengan parameter terbaik. Preprocessing data melibatkan tokenisasi, pembersihan data, case folding, filterisasi, dan stemming. Pembobotan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk mengidentifikasi kata-kata kunci yang mempengaruhi sentimen. Untuk menangani ketidakseimbangan data, digunakan teknik undersampling dan k-fold cross validation digunakan untuk menguji model. Evaluasi model dilakukan dengan confusion matrix dan classification report. Hasil analisis sentimen menunjukkan akurasi rata-rata 93%, presisi 92%, recall 93%, dan F-Measure 93%. Penelitian ini memberikan kontribusi dalam menganalisis sentimen masyarakat terhadap pelayanan publik Polres Ponorogo, serta mengidentifikasi faktor-faktor yang mendasari sentimen negatif atau positif dengan menggunakan root cause analysis. Penelitian ini juga mengimplementasikan dashboard menggunakan perangkat lunak Tableau memungkinkan pemangku kepentingan untuk memahami hasil analisis secara visual dan interaktif. Serta model analisis sentimen yang dikembangkan menggunakan SVM dapat digunakan untuk mengklasifikasikan komentar masyarakat sebagai sentimen negatif atau positif secara otomatis, sehingga membantu Polres dalam memantau dan menanggapi sentimen masyarakat dengan lebih efektif.
Referensi
Aditya, B. R. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. JURNAL INFOTEL - Informatika Telekomunikasi Elektronika, 7(2), 93. https://doi.org/10.20895/infotel.v7i2.35
Bagus Sasmita, A., Rahayudi, B., & Muflikhah, L. (2022). Analisis Sentimen Komentar pada Media Sosial Twitter tentang PPKM Covid-19 di Indonesia dengan Metode Naïve Bayes. 6(3), 1208–1214. http://j-ptiik.ub.ac.id
Cahyono, A. S. (2020). Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat di Indonesia. Publiciana, 5(2), 202–225. https://journal.unita.ac.id/index.php/publiciana/article/download/79/73/
Haq, F. U., & Rachmat, H. (2020). Penggunaan Google Review Sebagai Penilaian Kepuasan Pengunjung Dalam Pariwisata. Journal of Sustainable Tourism Research, 2(1), 10–12.
Peraturan Kepala Kepolisian Negara Republik Indonesia Nomor 16 Tahun 2010 Tentang Tata Cara Pelayanan Informasi Publik di Lingkungan Kepolisian Negara Republik Indonesia, (2010).
Mutmainah, S. (2021). Penanganan Imbalance Data Pada Klasifikasi. SNATi, 1, 10–16.
Nandini, R. A. (2018). Analisis Sentimen Impor Beras 2018 Pada Twitter Menggunakan Metode Support Vector Machine dan Pembobotan Jumlah Retweet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(4), 3396–3406.
Nofiyani, W. (2022). Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining. 6, 1621–1629. https://doi.org/10.30865/mib.v6i3.4332
Rausanfita, A. (2018). Analisis Sentimen Twitter Menggunakan Ensemble Feature dan Metode Extreme Learning Machine (ELM) (Studi Kasus: Samsung Indonesia). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(12), 6409–6417. http://j-ptiik.ub.ac.id
Rini, A., Hernimawati, & Pebriana, M. (2021). PENINGKATAN KUALITAS PELAYANAN KEPOLISIAN DALAM UPAYA MENANGANI PENGADUAN MASYARAKAT PADA POLSEK LIMA PULUH KOTA PEKANBARU. JIANA: Jurnal Ilmu Administrasi Negara.
Rosid, M. A., Fitrani, A. S., Astutik, I. R. I., Mulloh, N. I., & Gozali, H. A. (2020). Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi. IOP Conference Series: Materials Science and Engineering, 874(1). https://doi.org/10.1088/1757-899X/874/1/012017
Silvana, M., Akbar, R., & Tifani, R. (2017). Penerapan Dashboard System di Perpustakaan Universitas Andalas Menggunakan Tableau Public. Seminar Nasional Sains Dan Teknologi 2017, November, 1–6.
Syahputra, D. W., Rahayudi, B., & Muflikhah, L. (2022). Analisis Sentimen Twitter terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat menggunakan Metode Support Vector Machine. Fakultas Ilmu Komputer, Universitas Brawijaya, 6(3), 1067–1072.
Aditya, B. R. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. JURNAL INFOTEL - Informatika Telekomunikasi Elektronika, 7(2), 93. https://doi.org/10.20895/infotel.v7i2.35
Bagus Sasmita, A., Rahayudi, B., & Muflikhah, L. (2022). Analisis Sentimen Komentar pada Media Sosial Twitter tentang PPKM Covid-19 di Indonesia dengan Metode Naïve Bayes. 6(3), 1208–1214. http://j-ptiik.ub.ac.id
Cahyono, A. S. (2020). Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat di Indonesia. Publiciana, 5(2), 202–225. https://journal.unita.ac.id/index.php/publiciana/article/download/79/73/
Haq, F. U., & Rachmat, H. (2020). Penggunaan Google Review Sebagai Penilaian Kepuasan Pengunjung Dalam Pariwisata. Journal of Sustainable Tourism Research, 2(1), 10–12.
Peraturan Kepala Kepolisian Negara Republik Indonesia Nomor 16 Tahun 2010 Tentang Tata Cara Pelayanan Informasi Publik di Lingkungan Kepolisian Negara Republik Indonesia, (2010).
Mutmainah, S. (2021). Penanganan Imbalance Data Pada Klasifikasi. SNATi, 1, 10–16.
Nandini, R. A. (2018). Analisis Sentimen Impor Beras 2018 Pada Twitter Menggunakan Metode Support Vector Machine dan Pembobotan Jumlah Retweet. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 3(4), 3396–3406.
Nofiyani, W. (2022). Implementasi Electronic Data Processing Untuk meningkatkan Efektifitas dan Efisiensi Pada Text Mining. 6, 1621–1629. https://doi.org/10.30865/mib.v6i3.4332
Rausanfita, A. (2018). Analisis Sentimen Twitter Menggunakan Ensemble Feature dan Metode Extreme Learning Machine (ELM) (Studi Kasus: Samsung Indonesia). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(12), 6409–6417. http://j-ptiik.ub.ac.id
Rini, A., Hernimawati, & Pebriana, M. (2021). PENINGKATAN KUALITAS PELAYANAN KEPOLISIAN DALAM UPAYA MENANGANI PENGADUAN MASYARAKAT PADA POLSEK LIMA PULUH KOTA PEKANBARU. JIANA: Jurnal Ilmu Administrasi Negara.
Rosid, M. A., Fitrani, A. S., Astutik, I. R. I., Mulloh, N. I., & Gozali, H. A. (2020). Improving Text Preprocessing for Student Complaint Document Classification Using Sastrawi. IOP Conference Series: Materials Science and Engineering, 874(1). https://doi.org/10.1088/1757-899X/874/1/012017
Silvana, M., Akbar, R., & Tifani, R. (2017). Penerapan Dashboard System di Perpustakaan Universitas Andalas Menggunakan Tableau Public. Seminar Nasional Sains Dan Teknologi 2017, November, 1–6.
Syahputra, D. W., Rahayudi, B., & Muflikhah, L. (2022). Analisis Sentimen Twitter terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat menggunakan Metode Support Vector Machine. Fakultas Ilmu Komputer, Universitas Brawijaya, 6(3), 1067–1072.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2023 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.