Evaluasi Kinerja Inset Lexicon Dan Sentiwords_ID Untuk Analisis Sentimen Ulasan Pengguna Mypertamina Menggunakan Logistic Regression

Rofiatul khamidah, Imam Thoib, Danang Satya Nugraha

Abstract


Pada tahun 2022, pemerintah Indonesia menaikkan harga BBM subsidi dan non-subsidi, yang memicu berbagai reaksi publik. Untuk mendukung penyaluran subsidi secara tepat sasaran, diluncurkan aplikasi MyPertamina. Namun, pengguna menghadapi sejumlah kendala, seperti bug, kesulitan verifikasi, dan antarmuka yang kurang optimal. Penelitian ini bertujuan untuk mengevaluasi kinerja metode pelabelan sentimen berbasis leksikon dalam analisis sentimen pengguna aplikasi MyPertamina. Kamus leksikon yang diuji adalah InSet Lexicon dan SentiWords_ID. Metode Logistic Regression digunakan untuk melakukan evaluasi kamus leksicon. Hasil dari evaluasi kinerja kamus InSet Lexicon mencapai akurasi 84% dan 86% pada SentiWords_ID. Hal ini menunjukkan bahwa kinerja SentiWords_ID lebih baik dari InSet Lexicon.

References


[H. Nushratu, “Subsidi BBM-Mobil Listrik Jadi Jurus Putar Roda Ekonomi & Genjot Investasi Baca artikel detikfinance, ‘Subsidi BBM-Mobil Listrik Jadi Jurus Putar Roda Ekonomi & Genjot Investasi’ selengkapnya https://finance.detik.com/energi/d-7599389/subsidi-bbm-mobil-li,” detikFinance, vol. 21–10, 2024, [Online]. Available: finance.detik.com

Mypertamina, “MyPertamina Info,” 2021, [Online]. Available: https://mypertamina.id/about-us

H. Taufiqqurrahman, F. Tri Anggraeny, and M. Muharrom Al Haromainy, “Perbandingan Algoritma Naïve Bayes Dan K-Nearest Neighbor Pada Analisis Sentimen Ulasan Aplikasi Mypertamina,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 6, pp. 3934–3939, 2024, doi: 10.36040/jati.v7i6.7801.

D. S. Ramdan, R. D. Apnena, and C. A. Sugianto, “Film Review Sentiment Analysis: Comparison of Logistic Regression and Support Vector Classification Performance Based on TF-IDF,” J. Appl. Intell. Syst., vol. 8, no. 3, pp. 341–352, 2023, doi: 10.33633/jais.v8i3.9090.

F. Rizal, A. Wijaya, and F. Hasyim, “Analisis Sentimen Masyarakat Indonesia Terhadap Aplikasi TikTok Menggunakan Algoritma Logistic Regression,” J. homepage AKIRATECH J. Comput. Electr. Eng., vol. 1, no. 2, pp. 57–65, 2024, [Online]. Available: https://journal.ajbnews.com/index.php/akiratech

V. Mfon, E. H. Johnson, and A. B. Obot, “Sentiment Analysis of Nigerian Opinions Using Logistic Regression and Random Forest Algorithms : A Comparative Study,” vol. 26, no. 10, pp. 27–40, 2024.

R. Maulana, A. Voutama, and T. Ridwan, “Analisis Sentimen Ulasan Aplikasi MyPertamina pada Google Play Store menggunakan Algoritma NBC,” J. Teknol. Terpadu, vol. 9, no. 1, pp. 42–48, 2023,doi: 10.54914/jtt.v9i1.609.

X. Song, X. Liu, F. Liu, and C. Wang, “Comparison of machine learning and logistic regression models in predicting acute kidney injury: A systematic review and meta-analysis,” Int. J. Med. Inform., vol. 151, p. 104484, 2021, doi: 10.1016/j.ijmedinf.2021.104484.

V. N. Juli, A. Jl, R. Madya, G. Anyar, K. Gn, and J. Timur, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM Muhammad Fernanda Naufal Fathoni Eva Yulia Puspaningrum Andreas Nugroho Sihananto menghasilkan F1 sebesar 80 %. Penelitian lain dilakukan ( Muha,” vol. 1, no. 3, 2024.

B. Kholifah, I. Thoib, N. Sururi, and N. D. Kurnia, “Analisis Sentimen Warganet Terhadap Isu Layanan Transportasi Online Berbasis InSet Lexicon Menggunakan Logistic Regression,” Kumpul. J. Ilmu Komput., vol. 11, no. 1, pp. 14–25, 2024.

S. Ath et al., “Jurnal Teknologi Terpadu HYBRID MACHINE LEARNING MODEL UNTUK MEMPREDIKSI PENYAKIT JANTUNG DENGAN METODE LOGISTIC REGRESSION DAN RANDOM,” vol. 8, no. 1, pp. 40–46, 2022.

D. A. Vonega, A. Fadila, and D. E. Kurniawan, “Analisis Sentimen Twitter Terhadap Opini Publik Atas Isu Pencalonan Puan Maharani dalam PILPRES 2024,” J. Appl. Informatics Comput., vol. 6, no. 2, pp. 129–135, 2022, doi: 10.30871/jaic.v6i2.4300.

W. Wijiyanto, A. I. Pradana, S. Sopingi, and V. Atina, “Teknik K-Fold Cross Validation untuk Mengevaluasi Kinerja Mahasiswa,” J. Algoritm., vol. 21, no. 1, pp. 239–248, 2024, doi: 10.33364/algoritma/v.21-1.1618.

H. Azizah, B. S. Rintyarna, and T. A. Cahyanto, “Sentimen Analisis Untuk Mengukur Kepercayaan Masyarakat Terhadap Pengadaan Vaksin Covid-19 Berbasis Bernoulli Naive Bayes,” BIOS J. Teknol. Inf. dan Rekayasa Komput., vol. 3, no. 1, pp. 23–29, 2022, doi: 10.37148/bios.v3i1.36.

Y. Pratama, D. T. Murdiansyah, and K. M. Lhaksmana, “Analisis Sentimen Kendaraan Listrik Pada Media Sosial Twitter Menggunakan Algoritma Logistic Regression dan Principal Component Analysis,”

J. Media Inform. Budidarma, vol. 7, no. 1, p. 529, 2023, doi: 10.30865/mib.v7i1.5575.


Refbacks

  • There are currently no refbacks.



 
PANDUAN SUBMITE ARTIKEL
 


Kantor Sekertariat:
Universitas PGRI Madiun
Jl. Auri No. 14-16  Kota Madiun 63118
Lt 3 Kantor Program Studi Teknik Informatika
email :  [email protected]
 
 

Lisensi Creative Commons
Ciptaan disebarluaskan di bawah Lisensi Creative Commons Atribusi-BerbagiSerupa 4.0 Internasional.