PERBANDINGAN METODE VEKTORISASI PADA ANALISA SENTIMENT, STUDI KASUS : CYBERBULLYING PADA KOMENTAR INSTAGRAM

• Published in: Jurnal Teknologi Informasi dan Komputer Vol. 9; no. 5
• Main Authors: I Putu Ramayasa, I Gusti Ayu Desi Saryanti, I Komang Dharmendra, Edwar
• Format: Journal Article
• Language: English
• Published: 22.10.2023
• ISSN: 2442-241X; 2528-5211
• DOI: 10.36002/jutik.v9i5.2645

Media sosial sebagai alat komunikasi global telah membawa dampak positif namun juga muncul sisi gelapnya, seperti peningkatan kasus cyberbullying. Penelitian ini mengajukan pendekatan melalui analisis sentimen, dengan penekanan pada teknik vektorisasi. Pendekatan ini menggabungkan tiga teknik vektorisasi utama, yaitu LSTM, Word2Vec, dan TF-IDF, dengan tiga model klasifikasi utama: Random Forest, Naive Bayes, dan Gradient Boosting. Hasil penelitian menunjukkan bahwa penggunaan LSTM dalam kaitannya dengan algoritma Random Forest memunculkan akurasi tertinggi, mencapai 92.5%, dengan kemampuan mengenali pola sentimen yang kompleks. Sementara Naive Bayes memiliki akurasi yang lebih rendah, Word2Vec memberikan peningkatan signifikan dalam pengenalan pola sentimen pada algoritma ini. Penggunaan Word2Vec juga menghasilkan hasil yang konsisten pada algoritma Gradient Boosting dengan akurasi sekitar 86%, menegaskan kemampuannya dalam mengidentifikasi relasi kata dalam analisis sentimen terkait cyberbullying. Di sisi lain, teknik vektorisasi TF-IDF memberikan hasil yang mengesankan, mencapai akurasi tertinggi 96.25% pada algoritma Random Forest, dengan kemampuan mengenali kata-kata kunci yang mempengaruhi sentimen. Kesimpulannya, penelitian ini menggambarkan bahwa berbagai metode vektorisasi memiliki dampak yang signifikan dalam analisis sentimen terhadap komentar Instagram, terutama dalam konteks deteksi cyberbullying. Oleh karena itu, pemilihan metode vektorisasi yang sesuai sangat penting dalam mengembangkan algoritma analisis sentimen yang efektif.