Analisis Sentimen Dampak Perkembangan Artificial Intelligence (AI) pada Media Sosial X/Twitter Menggunakan Metode Random Forest
Kata Kunci:
analisis sentimen, x/twitter, artificial intelligence, klasifikasi, random forestAbstrak
Kecerdasan buatan atau Artificial Intelligence (AI) adalah salah satu inovasi teknologi yang saat ini sedang berkembang dengan pesat dan menarik perhatian. Artificial Intelligence adalah suatu program komputer yang dilengkapi dengan algoritma yang mampu memperoleh pengetahuan dari data yang diberikan serta mengaplikasikannya dalam berpikir dan bertindak selayaknya manusia. Dengan berkembangnya Artificial Intelligence, maka tidak dapat dipungkiri bahwa teknologi ini memberikan dampak positif maupun negatif terhadap kehidupan masyarakat. Banyak opini dari masyarakat yang timbul di media sosial terkait dampak perkembangan Artificial Intelligence di Indonesia salah satunya melalui media sosial X/Twitter. Salah satu cara untuk mengetahui persepsi masyarakat dapat dilakukan melalui analisis sentimen. Penelitian ini menggunakan metode Random Forest sebagai metode klasifikasi untuk analisis sentimen. Terdapat beberapa tahapan yang dilakukan, yaitu pengumpulan data menggunakan web scraping, text preprocessing, pembobotan kata menggunakan Term Frequency-Inverse Document Frequency (TF-IDF), klasifikasi menggunakan Random Forest, serta evaluasi kinerja menggunakan Confusion Matrix. Hasil pengujian menunjukkan bahwa dengan parameter jumlah tree 60 dan kedalaman tree 55 mendapatkan tingkat accuracy sebesar 0,94, precision sebesar 0,94, recall sebesar 0,94, dan f1-score sebesar 0,94.
Referensi
Aditya, B. R. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. Jurnal Infotel, 7(2), 93-100.
Afdhal, I., Kurniawan, R., Iskandar, I., Salambue, R., Budianita, E., & Syafria, F. (2022). Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia. Jurnal Nasional Komputasi dan Teknologi Informasi, 5(1), 122-130.
Anugrah, Z. (2023, Juli 26). Dampak Positif dan Negatif dari Kecerdasan Buatan (AI) dalam Kehidupan. OSC Medcom, [online] Tersedia di: <https://osc.medcom.id/community/dampak-positif-dan-negatif-dari-kecerdasan-buatan-ai-dalam-kehidupan-5986> [Diakses 23 Agustus 2023].
Audrey, O., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter Terhadap Opini Non Fungible Token di Indonesia Menggunakan Algoritma Random Forest Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(12), 5889-5897.
Barus, T. P. (2023). Analisis Sentimen pada PLN Mobile Menggunakan Metode Decision Tree. S1. Universitas Medan Area.
Basar, T. F., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(3), 1426-1433.
Fitri, E. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. Jurnal Transformatika, 18(1), 71-80.
Fleiss, J. L., Levin, B., & Paik, M. C. (2003). Statistical methods for rates and proportions (3rd ed.). Hoboken, NJ: Wiley.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques (3rd ed), Elsevier Inc. https://doi.org/10.1016/C2009-0-61819-5
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.
Mahardhika, Y. S., & Zuliarso, E. (2018). Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier. Prosiding SINTAK.
Oshiro, T. M., Perez, P. S., & Baranauskas, J. A. (2012). How many trees in a random forest?. Machine Learning and Data Mining in Pattern Recognition (pp. 154-168). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-31537-4_13.
Pakpahan, R. (2021). Analisa Pengaruh Implementasi Artificial Intelligence Dalam Kehidupan Manusia. JISICOM (Journal of Information System, Informatics and Computing), 5(2), 506-513.
Pradana, M. G. (2020). Penggunaan Fitur Wordcloud dan Document Term Matrix dalam Text Mining. Jurnal Ilmiah Informatika, 8(01), 38–43.
Rouhiainen, L. (2018). Artificial Intelligence: 101 things you must know today about our future. CreateSpace Independent Publishing Platform.
Sinurat, D. M. Y., Ratnawati, D. E., & Brata, D. W. (2023). Analisis Sentimen Terhadap Kenaikan Cukai Rokok pada Media Sosial Twitter menggunakan Algoritma Naive Bayes Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(1), 17-25.
Sudianto., Wahyuningtias, P., Utami, H. W., Raihan, U. A., Hanifah, H. N., & Adanson, Y. N. (2022). Perbandingan Metode Random Forest dan Support Vector Machine pada Analisis Sentimen Twitter (Studi Kasus: Kaburnya Selebgram Rachel Vennya dari Karantina). Jurnal Teknik Informatika (JUTIF), 3(1), 141-145.
Yanti, C. P., Agustini, N. W. E., Ginantra, N. L. W. S. R., & Wulandari, D. A. P. (2023). Perbandingan Metode K-NN Dan Metode Random Forest Untuk Analisis Sentimen pada Tweet Isu Minyak Goreng di Indonesia. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(2), 756-765. https://doi.org/10.30865/mib.v7i2.5900.
Aditya, B. R. (2015). Penggunaan Web Crawler Untuk Menghimpun Tweets dengan Metode Pre-Processing Text Mining. Jurnal Infotel, 7(2), 93-100.
Afdhal, I., Kurniawan, R., Iskandar, I., Salambue, R., Budianita, E., & Syafria, F. (2022). Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia. Jurnal Nasional Komputasi dan Teknologi Informasi, 5(1), 122-130.
Anugrah, Z. (2023, Juli 26). Dampak Positif dan Negatif dari Kecerdasan Buatan (AI) dalam Kehidupan. OSC Medcom, [online] Tersedia di: <https://osc.medcom.id/community/dampak-positif-dan-negatif-dari-kecerdasan-buatan-ai-dalam-kehidupan-5986> [Diakses 23 Agustus 2023].
Audrey, O., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter Terhadap Opini Non Fungible Token di Indonesia Menggunakan Algoritma Random Forest Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(12), 5889-5897.
Barus, T. P. (2023). Analisis Sentimen pada PLN Mobile Menggunakan Metode Decision Tree. S1. Universitas Medan Area.
Basar, T. F., Ratnawati, D. E., & Arwani, I. (2022). Analisis Sentimen Pengguna Twitter terhadap Pembayaran Cashless menggunakan Shopeepay dengan Algoritma Random Forest. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 6(3), 1426-1433.
Fitri, E. (2020). Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine. Jurnal Transformatika, 18(1), 71-80.
Fleiss, J. L., Levin, B., & Paik, M. C. (2003). Statistical methods for rates and proportions (3rd ed.). Hoboken, NJ: Wiley.
Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and Techniques (3rd ed), Elsevier Inc. https://doi.org/10.1016/C2009-0-61819-5
Liu, B. (2012). Sentiment analysis and opinion mining. Morgan & Claypool Publishers.
Mahardhika, Y. S., & Zuliarso, E. (2018). Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier. Prosiding SINTAK.
Oshiro, T. M., Perez, P. S., & Baranauskas, J. A. (2012). How many trees in a random forest?. Machine Learning and Data Mining in Pattern Recognition (pp. 154-168). Springer Berlin Heidelberg. https://doi.org/10.1007/978-3-642-31537-4_13.
Pakpahan, R. (2021). Analisa Pengaruh Implementasi Artificial Intelligence Dalam Kehidupan Manusia. JISICOM (Journal of Information System, Informatics and Computing), 5(2), 506-513.
Pradana, M. G. (2020). Penggunaan Fitur Wordcloud dan Document Term Matrix dalam Text Mining. Jurnal Ilmiah Informatika, 8(01), 38–43.
Rouhiainen, L. (2018). Artificial Intelligence: 101 things you must know today about our future. CreateSpace Independent Publishing Platform.
Sinurat, D. M. Y., Ratnawati, D. E., & Brata, D. W. (2023). Analisis Sentimen Terhadap Kenaikan Cukai Rokok pada Media Sosial Twitter menggunakan Algoritma Naive Bayes Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 7(1), 17-25.
Sudianto., Wahyuningtias, P., Utami, H. W., Raihan, U. A., Hanifah, H. N., & Adanson, Y. N. (2022). Perbandingan Metode Random Forest dan Support Vector Machine pada Analisis Sentimen Twitter (Studi Kasus: Kaburnya Selebgram Rachel Vennya dari Karantina). Jurnal Teknik Informatika (JUTIF), 3(1), 141-145.
Yanti, C. P., Agustini, N. W. E., Ginantra, N. L. W. S. R., & Wulandari, D. A. P. (2023). Perbandingan Metode K-NN Dan Metode Random Forest Untuk Analisis Sentimen pada Tweet Isu Minyak Goreng di Indonesia. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(2), 756-765. https://doi.org/10.30865/mib.v7i2.5900.
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2024 Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
