Melola Discovery

← Melola Discovery

Akses terbuka Jurnal SINTA 3

SENTIMENT ANALYSIS OF MERDEKA BELAJAR KAMPUS MERDEKA POLICY USING SUPPORT VECTOR MACHINE WITH WORD2VEC

BAREKENG: Jurnal Ilmu Matematika dan Terapan · Vol. 17 No. 1 (2023) · hlm. 0481–0486

DOI
10.30598/barekengvol17iss1pp0481-0486
ISSN
2615-3017, 1978-7227
Terbit
2023-04-20
Penerbit
PATTIMURA UNIVERSITY
Bahasa
eng
Lisensi
creativecommons.org/licenses/by-sa/4.0

Abstrak

Sentiment analysis is a data text analysis that classifies data into positive and negative sentiments. This study aims to obtain the results of sentiment classification related to Merdeka Belajar Kampus Merdeka policy on Twitter using support vector machine algorithm with Word2Vec feature extraction. Support Vector Machine is a classification algorithm that separates data classes using the optimum hyperplane. Text data used in sentiment analysis must change its numerical form by performing feature extraction. In this study, the feature extraction used is Word2Vec which represents words in vector form. Data in this study are tweets with the keyword "Kampus Merdeka" uploaded on Twitter as many as 10000 tweets. After preprocessing text data, data used to analyze sentiment was 1579 tweets. Sentiment classification resulted in classification model accuracy 89.87%, precision 91.20%, recall 84.44% and F-Measure 87.68%. Classification sentiment using support vector machine with Word2Vec feature extraction in this study produces a good model.

Jaringan kolaborasi para penulis

40 penulis · 117 tautan kepenulisan bersama · 5 lintas organisasi · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Padjadjaran University
  • Sekolah Tinggi Agama Islam Syubbanul Wathon Magelang
  • Universitas Halu Oleo
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Anisa KalondengAfiliasi tidak diketahui4
Anna IslamiyatiAfiliasi tidak diketahui4
Sitti SahrimanAfiliasi tidak diketahui2
Andi Isna YunitaAfiliasi tidak diketahui2
Andi M Alfin BasoAfiliasi tidak diketahui2
M. Zaky Hisyam GozhiAfiliasi tidak diketahui2
Vika Yugi KurniawanAfiliasi tidak diketahui2
Nurtiti SunusiAfiliasi tidak diketahui2
Ade Safira SeptianyAfiliasi tidak diketahui2
Raupong RaupongAfiliasi tidak diketahui2
Surya GumilarAfiliasi tidak diketahui2
Muhamad SholikhunSekolah Tinggi Agama Islam Syubbanul Wathon Magelang1
Zulfatus SorayaAfiliasi tidak diketahui1
Milna WafirahSekolah Tinggi Agama Islam Syubbanul Wathon Magelang1
Budi AyuningsihPadjadjaran University1
Iman HernamanPadjadjaran University1
Tidi DhalikaPadjadjaran University1
Destu Putra RosmawanAfiliasi tidak diketahui1
Dedi RahmatPadjadjaran University1
Ansharullah AnsharullahUniversitas Halu Oleo1
Abdu Rahman BacoAfiliasi tidak diketahui1
Alfiana AntohAfiliasi tidak diketahui1
Yundy HafizriandaAfiliasi tidak diketahui1
Ainun Utari BudistiharahAfiliasi tidak diketahui1
Mamik UtamiAfiliasi tidak diketahui1
Hajratul Ashwad KAfiliasi tidak diketahui1
Afifah Mutiah NurdinAfiliasi tidak diketahui1
Muh. Indirwan ArfanAfiliasi tidak diketahui1
Muhammad FadilAfiliasi tidak diketahui1
A.Muthiah Nur AngrianyAfiliasi tidak diketahui1
Rini JamalAfiliasi tidak diketahui1
Andi FebriyantiAfiliasi tidak diketahui1
Rahmiati RahimAfiliasi tidak diketahui1
Nirwan IlyasAfiliasi tidak diketahui1
Haksar HaksarAfiliasi tidak diketahui1
Nurhaliza RaisAfiliasi tidak diketahui1
Maryana MaharaniAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://ojs3.unpatti.ac.id/index.php/barekeng/oai, pertama di-harvest 5 Nov 2026, terakhir terlihat 5 Nov 2026.
Metadata asli (oai_dc) 
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">SENTIMENT ANALYSIS OF MERDEKA BELAJAR KAMPUS MERDEKA POLICY USING SUPPORT VECTOR MACHINE WITH WORD2VEC</dc:title>
	<dc:creator>Rezki, Nurul</dc:creator>
	<dc:creator>Thamrin, Sri Astuti</dc:creator>
	<dc:creator>Siswanto, Siswanto</dc:creator>
	<dc:description xml:lang="en-US">Sentiment analysis is a data text analysis that classifies data into positive and negative sentiments. This study aims to obtain the results of sentiment classification related to Merdeka Belajar Kampus Merdeka policy on Twitter using support vector machine algorithm with Word2Vec feature extraction. Support Vector Machine is a classification algorithm that separates data classes using the optimum hyperplane. Text data used in sentiment analysis must change its numerical form by performing feature extraction. In this study, the feature extraction used is Word2Vec which represents words in vector form. Data in this study are tweets with the keyword "Kampus Merdeka" uploaded on Twitter as many as 10000 tweets. After preprocessing text data, data used to analyze sentiment was 1579 tweets. Sentiment classification resulted in classification model accuracy 89.87%, precision 91.20%, recall 84.44% and F-Measure 87.68%. Classification sentiment using support vector machine with Word2Vec feature extraction in this study produces a good model.</dc:description>
	<dc:publisher xml:lang="en-US">PATTIMURA UNIVERSITY</dc:publisher>
	<dc:date>2023-04-20</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/7561</dc:identifier>
	<dc:identifier>10.30598/barekengvol17iss1pp0481-0486</dc:identifier>
	<dc:source xml:lang="en-US">BAREKENG: Jurnal Ilmu Matematika dan Terapan; Vol 17 No 1 (2023): BAREKENG: Journal of Mathematics and Its Applications; 0481-0486</dc:source>
	<dc:source>2615-3017</dc:source>
	<dc:source>1978-7227</dc:source>
	<dc:source>10.30598/barekengvol17iss1year2023</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://ojs3.unpatti.ac.id/index.php/barekeng/article/view/7561/5566</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2023 Nurul Rezki, Sri Astuti Thamrin, Siswanto Siswanto</dc:rights>
	<dc:rights xml:lang="en-US">http://creativecommons.org/licenses/by-sa/4.0</dc:rights>
</oai_dc:dc>