Analisis Sentimen terhadap Simpanan Tapera di Instagram Menggunakan Metode Word2Vec dengan Algoritma Naives Bayes dan SMOTE
Tahun 2025 · Penulis: Anggik Muhammad Sahril
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Defisit perumahan di Indonesia, khususnya di wilayah perkotaan, masih menjadi permasalahan utama yang dihadapi masyarakat berpenghasilan rendah. Pemerintah merespons hal ini dengan kebijakan Tabungan Perumahan Rakyat (TAPERA) yang mewajibkan iuran sebesar 3% dari penghasilan pekerja, dengan rincian 0,5% ditanggung oleh pemberi kerja dan 2,5% oleh pekerja. Meskipun bertujuan mengatasi kekurangan perumahan, kebijakan ini menuai pro dan kontra. Seiring perkembangan teknologi, media sosial seperti Instagram menjadi wadah masyarakat untuk menyuarakan pendapat mereka terhadap kebijakan pemerintah, termasuk TAPERA. Untuk menganalisis sentimen dari data teks yang dihasilkan, digunakan pendekatan canggih seperti word embedding, salah satunya Word2Vec. Teknik ini mengubah kata-kata menjadi vektor numerik dalam ruang multidimensi, sehingga memungkinkan pemahaman hubungan semantik antar kata. Representasi ini sangat berguna dalam berbagai tugas pemrosesan bahasa alami seperti klasifikasi teks dan analisis sentimen. Dalam penelitian ini, algoritma Naive Bayes dipilih sebagai metode utama untuk klasifikasi sentimen karena kemampuannya yang cukup efektif dalam mengelompokkan data ke dalam kategori positif, negatif, dan netral. Namun, karena data sering kali tidak seimbang, algoritma SMOTE juga digunakan untuk mengatasi ketidakseimbangan antara jumlah data positif dan negatif. Penggunaan metode ini merujuk pada berbagai penelitian terdahulu yang telah membuktikan efektivitas kombinasi Word2Vec dan algoritma klasifikasi seperti Naive Bayes maupun Support Vector Machine dalam menganalisis opini publik melalui media sosial dan ulasan aplikasi digital.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,785
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,777
Tahun 2025 · Penulis: Melly Oktafijana
Analisis Sentimen pada Instagram Terhadap Wisata di Kabupaten Banyuwangi Menggunakan Metode Support Vector Machine
Perkembangan teknologi dan media sosial digital saat ini semakin canggih dan menjadi bagian penting dalam kehidupan sehari-hari. Media sosial seperti Instagram menjadi platform informasi digital yang memudahkan masyarakat untuk bersosialisasi, mencari informas
- Cosine 0,775
Tahun 2026 · Penulis: Ainiyyah Wulandari Kusuma Widya
Analisis Sentimen Pada Komentar YouTube Terhadap Video Clash of Champions Season 2 Menggunakan Metode Xgboost
Penelitian ini bertujuan untuk mengevaluasi kinerja Extreme Gradient Boost (XGBoosst) algoritma dalam klasifikasi sentimen YouTube komentar pada seri video pendidikan "Clash of Champions Season 2." Komentar pengguna di media sosial platform menghasilkan volume