Pebandingan Metode Decision Tree dan XGBoost untuk Klasifikasi Sentimen Vaksin Covid-19 di Twitter

Habib Hakim Sinaga(1*), Surya Agustian(2)
(1) Universitas Islam Negeri Sultan Syarif Kasim Riau
(2) Universitas Islam Negeri Sultan Syarif Kasim Riau
(*) Corresponding Author

https://doi.org/10.25077/TEKNOSI.v8i3.2022.107-114


Abstrak


Pemerintah Indonesia melaksanakan vaksinasi dalam upaya pencegahan virus COVID-19. Namun upaya tersebut memicu pro dan kontra dalam masyarakat. Pro dan kontra tersebut dapat dikatakan sebagai sentimen. Sentimen dapat diungkapkan di berbagai media, salah satunya adalah media sosial. Teknik yang digunakan untuk mendeteksi sentimen pada media sosial salah satunya adalah klasifikasi teks dengan machine learning. Penelitian ini akan membandingkan Decision tree dan XGBoost untuk mengklasifikasikan sentimen di twitter. Data diperoleh dengan cara crawling menggunakan pemograman pyton dan Twitter API. Data diberi label dengan teknik crowdsourcing dan majority voting. Data yang digunakan setelah diseimbangkan adalah 6000 data latih, 778 data validasi dan 400 data uji. Hasil pengujian Decision tree dan XGBoost mendapatkan hasil terbaik pada model XGBoost dengan nilai akurasi sebesar 66% dan f1-score sebesar 57%. Hasil ini juga merupakan yang terbaik dibanding metode yang digunakan pada penelitian sebelumnya dengan dataset yang sama.

Kata Kunci


Decision tree, XGBoost, Vaksin Covid-19, Klasifikasi sentimen


Teks Lengkap:

PDF


Referensi


[1] N. R. Yunus dan A. Rezki, “Kebijakan Pemberlakuan Lock Down Sebagai Antisipasi Penyebaran Corona Virus Covid-19,” SALAM: Jurnal Sosial dan Budaya Syar-i, vol. 7, no. 3, hlm. 227–238, 2020, doi: 10.15408/sjsbs.v7i3.15083.

[2] A. L. Fairuz, R. D. Ramadhani, dan N. A. Tanjung, “Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial,” Jurnal DINDA, vol. 1, no. 1, hlm. 10–12, 2021, [Daring]. Available: http://journal.ittelkom-pwt.ac.id/index.php/dinda/article/view/180

[3] M. A. Fauzi dan S. Adinugroho, “Analisis Sentimen Pariwisata di Kota Malang Menggunakan Metode Naive Bayes dan Seleksi Fitur Query Expansion Ranking Image Processing View project Smart Wheelchair View project,” Researchgate.Net, vol. 2, no. 8, hlm. 2766–2770, 2018.

[4] P. Yohana, “Analisis Sentimen Vaksin Covid19 Menggunakan Naive Bayes,” Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, 2022.

[5] M. Rizky, “Analisis Sentimen Masyarakat Terhadap Vaksin Covid-19 Menggunakan Metode Support Vector Machine Pada Media Sosial Twitter,” Universitas Islam Negeri Sultan Syarif Kasim Riau, Pekanbaru, 2022.

[6] M. Ihsan, B. S. Negara, dan S. Agustian, “Metode LSTM (Long short term memory) untuk Klasifikasi Sentimen Vaksin Covid-19 pada Twitter,” Digital Zone: Jurnal Teknologi Informasi Dan Komunikasi, vol. 13(1), hlm. 1–13, 2022.

[7] F. Ihsan, “Implementasi Algoritma Decision Tree untuk Mendeteksi Multi-Label Hate Speech dan Abusive Language pada Twitter Bahasa Indonesia,” Universitas Islam Negeri Sultan Syarif Kasim Riau, 2021.

[8] A. Amri, “Implementasi Algoritma Random Forest Untuk Mendeteksi Hate Speech Dan Abusive Language Pada Twitter Bahasa Indonesia,” 2020.

[9] A. Fadilah, “Penerapan Algoritma K-Nearest Neighbor untuk Mendeteksi Ujaran Kebencian dan Bahasa Kasar pada Twitter Bahasa Indonesia,” 2021.

[10] M. Syukron, R. Santoso, dan T. Widiharih, “Perbandingan Metode Smote Random Forest Dan Smote Xgboost Untuk Klasifikasi Tingkat Penyakit Hepatitis C Pada Imbalance Class Data,” Jurnal Gaussian, vol. 9, no. 3, hlm. 227–236, 2020, doi: 10.14710/j.gauss.v9i3.28915.

[11] M. R. Givari, M. R. Sulaeman, dan Y. Umaidah, “Perbandingan Algoritma SVM, Random Forest Dan XGBoost Untuk Penentuan Persetujuan Pengajuan Kredit,” Nuansa Informatika, vol. 16, no. 1, hlm. 141–149, 2022, doi: 10.25134/nuansa.v16i1.5406.

[12] R. Wardoyo, A. Musdholifah, G. Angga Pradipta, dan I. N. Hariyasa Sanjaya, “Weighted Majority Voting by Statistical Performance Analysis on Ensemble Multiclassifier,” dalam 2020 Fifth International Conference on Informatics and Computing (ICIC), Nov 2020, hlm. 1–8. doi: 10.1109/ICIC50835.2020.9288552.

[13] S. Khomsah dan A. S. Aribowo, “Model Text-Preprocessing Komentar Youtube Dalam Bahasa Indonesia,” JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 1, no. 10, hlm. 648–654, 2021.

[14] U. Rofiqoh, R. S. Perdana, dan M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, vol. 1, no. 12, hlm. 1725–1732, 2017, [Daring]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/628

[15] I. Sutoyo, “Implementasi Algoritma Decision Tree Untuk Klasifikasi Data Peserta Didik,” Jurnal Pilar Nusa Mandiri, vol. 14, no. 2, hlm. 217, 2018, doi: 10.33480/pilar.v14i2.926.

[16] K. Kusrini, S. Hartati, R. Wardoyo, dan A. Harjoko, “Klasifikasi Citra Dengan Pohon Keputusan,” JUTI: Jurnal Ilmiah Teknologi Informasi, vol. 7, no. 2, hlm. 55, 2008, doi: 10.12962/j24068535.v7i2.a173.

[17] Z. Salam Patrous, “Evaluating XGBoost for User Classification by using Behavioral Features Extracted from Smartphone Sensors,” hlm. 67, 2018, [Daring]. Available: https://www.diva-portal.org/smash/record.jsf?pid=diva2%3A1240595&dswid=-6444

[18] I. Muslim dan K. Karo, “Implementasi Metode XGBoost dan Feature Importance untuk Klasifikasi pada Kebakaran Hutan dan Lahan,” Journal of Software Engineering, Information and Communication Technology, vol. 1, no. 1, hlm. 10–16, 2020.

[19] D. I. Baihaqi, A. N. Handayani, dan U. Pujianto, “Perbandingan Metode Naïve Bayes Dan C4.5 Untuk Memprediksi Mortalitas Pada Peternakan Ayam Broiler,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 10, no. 1, hlm. 383–390, Apr 2019, doi: 10.24176/simet.v10i1.2846.


Artikel Statistik

Abstrak telah dilihat : 875 kali
PDF telah dilihat : 457 kali

Refbacks

  • Saat ini tidak ada refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

 

Alamat Redaksi :
Departemen Sistem Informasi, Fakultas Teknologi Informasi
Universitas Andalas
Kampus Limau Manis, Padang 25163, Sumatera Barat

email: teknosi@fti.unand.ac.id

  Jumlah Pengunjung :

 

Creative Commons License
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.