ANALISIS SENTIMEN MEDIA SOSIAL UNIVERSITAS AMIKOM YOGYAKARTA SEBAGAI SARANA PENYEBARAN INFORMASI MENGGUNAKAN ALGORITMA KLASIFIKASI SVM

Muhammad Akbar Maulana, Arief Setyanto, Mei P. Kurniawan

Abstract


Sosial media adalah media hiburan yang sangat menyita waktu dan perhatian para penggunanya. Tidak hanya hiburan semata yang disajikan oleh sosial media tetapi juga berbagai informasi penting seputar politik, agama maupun penjualan produk. Indonesia mulai memasuki masa dimana e-commerce mulai banyak digunakan.

Peran pemasaran sebuah produk atau menyebarkan informasi sangatlah penting untuk meningkatkan minat konsumen dan pengetahuan akan suatu hal. Banyak cara bisa dilakukan termasuk dengan media dunia maya menggunakan facebook atau twitter. Universitas Amikom Yogyakarta adalah salah satu perguruan tinggi yang mulai merubah statusnya dari STMIK menuju Universitas.

Dengan menerapkan analisis sentimen dan  menggunakan algoritma klasifikasi SVM dapat diketahui bagaimana hasil feedback dari pemasaran atau penyebaran informasi yang didapatkan dari konsumen, masyarakat bahkan instansi tertentu.

Kata kunci: Sosial Media, informasi, sentimen analisis, SVM.


Full Text:

PDF

References


Azkia, M. R., Candra, B. P., Sadida, R., Rezeki, N., & Rendy, M. C. (2017, Februari 4). Perancangan Sistem Analisis Sentimen Masyarakat Pada Sosial Media Dan Portal Berita. Seminar Nasional Teknologi Informasi dan Multimedia 2017 , 199-204.

Priambada, S. (2015, 11 2-3). Manfaat Penggunaan Media Sosial Pada Usaha Kecil Menengah (Ukm). 41-46.

Louie, J. (2014). wave 8 : the language of content. Retrieved from wave.umww.com: http://wave.umww.com/assets/pdf/wave%5Ctextunderscore%5Cn8-the-language-of-content.pdf

Monarizqa, N., Nugroho, L. E., & Hantono, B. S. (2014). Penerapan Analisis Sentimen Pada Twitter Berbahasa Indonesia Sebagai Pemberi Rating. Jurnal Penelitian Teknik Elektro dan Teknologi Informasi , 151-155.

Hutto, C. J. (2014). Vader: A parsimonious rule-based model for sentiment analysis of social media text. Eighth International AAAI Conference on Weblogs and … , 216-225.

Liu, B. (2012). Sentiment Analysis and Opinion Mining. (U. o. Graeme Hirst, Ed.) Morgan & Claypool Publisher.

Pozzi, F. A., Fersini, E., Messina, E., & Liu, B. (2016). Sentiment Analysis in Social Networks. Morgan Kaufmann.

Kurniawan, B., Effendi, S., & Sitompul, O. S. (2012). Klasifikasi Konten Berita Dengan Metode Text Mining. 1 (1), 14-19.

Feldman, R., & Sanger, J. (2007). The Text Mining Handbook : Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press.

Berry, M., & Kogan, J. (2010). Text Mining Aplication and theory. United Kingdom: WILEY.

Faisal, M. R. (2017). Seri Belajar Data Science: Klasifikasi dengen Bahasa Pemrograman R. Indonesia .Net Developer Community.

Janoušek, V., Moyen, J.-F., Martin, H., Erban, V., & Farrow, C. (2015). Geochemical Modelling of Igneous Processes – Principles And Recipes in R Language: Bringing the Power of R to a Geochemical Community. Springer Geochemistry.

Abram, C. (2016). Facebook For Dummies: Edition 6 (Vol. 6). John Wiley & Sons.

Murty, M., & Raghava, R. (2016). Support Vector Machines and Perceptrons: Learning, Optimization, Classification, and Application to Social Networks. Springer.

Laksana, E. A., & Sulianta, F. (2017, februari 4). Analisis Dan Studi Komparatif Algoritma Klasifikasi Genre Musik. 67-72.

Hu, M., & Liu, B. (2004). Mining and summarizing customer reviews. Proceedings of the 2004 ACM SIGKDD international conference on Knowledge discovery and data mining - KDD '04 , 168-177.


Refbacks

  • There are currently no refbacks.