Pebandingan Metode Decision Tree dan XGBoost untuk Klasifikasi Sentimen Vaksin Covid-19 di Twitter
(1) Universitas Islam Negeri Sultan Syarif Kasim Riau
(2) Universitas Islam Negeri Sultan Syarif Kasim Riau
(*) Corresponding Author
Abstrak
Kata Kunci
Teks Lengkap:
PDFReferensi
[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
PDF telah dilihat : 125 kali
Refbacks
- Saat ini tidak ada refbacks.

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
![]() | Alamat Redaksi : Jurusan Sistem Informasi, Fakultas Teknologi Informasi Universitas Andalas Kampus Limau Manis, Padang 25163, Sumatera Barat email: teknosi@fti.unand.ac.id |
Jumlah Pengunjung :
This work by JSI-Unand and licensed under a CC BY-SA 4.0 International License.