IMPLEMENTASI ENSEMBLE MACHINE LEARNING CLASSIFIER DAN SYNTHETIC MINORITY OVERSAMPLING TECHNIQUE UNTUK ANALISIS SENTIMEN TERHADAP SUSTAINABLE DEVELOPMENT GOALS DI INDONESIA
Total View This Week0
Total View This Week0
Institusion
Universitas Siliwangi
Author
Fajar, Nur
Subject
T Technology (General)
Datestamp
2023-02-01 08:42:49
Abstract :
ABSTRAK Tujuan Pembangunan Berkelanjutan (TPB) atau Sustainable Development Goals (SDGs) merupakan komitmen global dan nasional dalam upaya meningkatkan kesejahteraan masyarakat, termasuk 17 tujuan yang disepakati pada tahun 2015 untuk mencapai kehidupan manusia yang lebih baik. Setelah hampir setengah jalan dari SDGs, akan menarik untuk mengetahui bagaimana masyarakat merespons SDGs. Memang tidak semua orang mengetahui SDGs, namun setiap orang memiliki masalahnya masing-masing. Respon masyarakat ini akan ditelaah sebagai analisis sentimen yang akan positif, netral, atau negatif. Twitter memiliki 18,45 juta pengguna di antara semua pengguna internet di Indonesia yang memungkinkan orang untuk menulis tentang apa pun yang terjadi dalam kehidupan mereka seperti urusan lingkungan, pendidikan, makanan, kesehatan, dan lain-lain. Peneliti menggunakan Ensemble Machine Learning Classifier untuk memodelkan data yang diambil. Dari pemodelan ini diperoleh akurasi sebesar 91% menggunakan SMOTE, meningkat 5% dibandingkan saat tidak menggunakan SMOTE. Dari 15698 twit, penelitian ini menemukan bahwa 47% adalah sentimen positif, 28% adalah sentimen negatif dan sisanya 25% adalah sentimen netral. Hasil ini menunjukkan harapan tren yang baik dalam perjalanan SDGs hingga 2030. Kata Kunci: SDGs, Analisis Sentimen, RapidMiner, Machine Learning, SMOTE
ABSTRAK Tujuan Pembangunan Berkelanjutan (TPB) atau Sustainable Development Goals (SDGs) merupakan komitmen global dan nasional dalam upaya meningkatkan kesejahteraan masyarakat, termasuk 17 tujuan yang disepakati pada tahun 2015 untuk mencapai kehidupan manusia yang lebih baik. Setelah hampir setengah jalan dari SDGs, akan menarik untuk mengetahui bagaimana masyarakat merespons SDGs. Memang tidak semua orang mengetahui SDGs, namun setiap orang memiliki masalahnya masing-masing. Respon masyarakat ini akan ditelaah sebagai analisis sentimen yang akan positif, netral, atau negatif. Twitter memiliki 18,45 juta pengguna di antara semua pengguna internet di Indonesia yang memungkinkan orang untuk menulis tentang apa pun yang terjadi dalam kehidupan mereka seperti urusan lingkungan, pendidikan, makanan, kesehatan, dan lain-lain. Peneliti menggunakan Ensemble Machine Learning Classifier untuk memodelkan data yang diambil. Dari pemodelan ini diperoleh akurasi sebesar 91% menggunakan SMOTE, meningkat 5% dibandingkan saat tidak menggunakan SMOTE. Dari 15698 twit, penelitian ini menemukan bahwa 47% adalah sentimen positif, 28% adalah sentimen negatif dan sisanya 25% adalah sentimen netral. Hasil ini menunjukkan harapan tren yang baik dalam perjalanan SDGs hingga 2030. Kata Kunci: SDGs, Analisis Sentimen, RapidMiner, Machine Learning, SMOTE
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
