Perbandingan Dan Efektivitas Kinerja Algoritma Svm Dan Bi-Lstm Dengan Tf-Idf Dan Smote Untuk Analisis Sentimen Kelestarian Hewan Liar

  • Reni Nursyanti Universitas Informatika Dan Bisnis Indonesia
Keywords: Sentiment Analyses, Wild Animal Conservation, SVM, BI-LSTM, TF-IDF, SMOTE

Abstract

This study analyses public sentiment towards wild animal conservation issues on social media X (twitter) through a comparison of Support Vector Machine (SVM) and Bidirectional Long Short-Term Memory (BI-LSTM) algorithms. The main problem is the need for an in-depth understanding of public perceptions of wild animal conservation for the development of effective conservation strategies. The research uses a combination of Term Frequency-Inverse Document Frequncy (TF-IDF) and Synthetic Minority Over-Sampling Technique (SMOTE). The data analyses are tweets from the Indonesian language from January 2023 to may 2024 with a limit of 1000, 1500, 3000 tweets. The results showed that BI-LSTM provided superior performance with 84% accuracy compared to SVM 83%. This research contributes to the development of Indonesian sentiment analysis techniques and public perception monitoring systems on the issues of wild animal preservation

Downloads

Download data is not yet available.

References

[1] F. M. M. G. P. Y. R. T. B. Mutiara Selni, "Pengetahuan, Persepsi dan Sikap Masyarakat Terhadap Keinginan untuk melakukan Konservasi Hewan," Edukatif : Jurnal Ilmu Pendidikan, pp. 1808-1820, 2021.
[2] A. Raditya, "Protektifitas Satwa Langka di Indonesia Melalui UU No.5 Tahun 1990," JURNAL HUKUM PIDANA & KRIMINOLOGI, vol. VOL 4, pp. 57-63, 2023.
[3] C. M. Annur, "Ada 27 Juta Pengguna Twitter di Indonesia, Terbanyak ke-4 Global," 28 November 2023. [Online]. Available: https://databoks.katadata.co.id/datapublish/2023/11/28/ada-27-juta-pengguna-twitter-di-indonesia-terbanyak-ke-4-global.
[4] K. S. Mohammed Hafizh Al-Areef, "Analisis Sentimen Pengguna Twitter Mengenai Calon Presiden indonesia Tahun 2024 Menggunakan Algoritma LSTM," Jurnal SAINTIKOM ( Jurnal Sains Manajemen Informatika dan Komputer, Vols. Volume 22, No. 2, pp. 270-279, 2023.
[5] N. L. S. S. A. ,. K. S. Andita Widya V. Hutabarat, "Analisis Sentimen Data Ulasan Pengguna MyPertamina di Twitter dengan Metode Machine Learning dan Deep Learning," Jurnal Rekayasa Sistem Industr, pp. 145-154, 2024.
[6] F. F. A. Rismawati Nurul Ikhsani, "Optimasi SVM dan Decision Tree Menggunakan SMOTE Untuk Mengklasifikasi Sentimen Masyarakat Mengenai Pinjaman Online," JURNAL MEDIA INFORMATIKA BUDIDARMA, pp. 1667-1677, 2023.
[7] R. A. Sholehat, "Analisis Sentimen Berbasis Aspek Pada Twitter Menggunakan Metode Bidirectional Long Short-Term Memory," Jurnal Tugas Akhir Fakultas Informatika, pp. 1-15, 2023.
[8] A. D. R. I. G. S. M. D. Dian Agus Prawinata, "Analisis Sentimen Kendaraan ListrikPada Twitter Menggunakan Metode Long Short-Term Memory," Jurnal Teknik Informatika , Sains dan Ilmu Komunikasi, Vols. Vol.2, no. 1, pp. 300-313, 2024.
[9] A. I. P. I. A. Ahmad Azrul, "Analisis Sentimen pengguna Twitter Terhadap Perkembangan Artificial Intelligence Dengan Penerapan Algoritma Long Short-Term Memory," JATI (Jurnal Mahasiswa Teknik Informatika, vol. Vol. 8 No. 1, pp. 413-421, 2024.
[10] F. R. Vincentius Westley Dimitrius Thomas, "Analisis Sentimen Ulasan Hotel Bahasa Indonesia Menggunakan Support Vector Machine dan TF-IDF," JURNAL MEDIA INFORMATIKA BUDIDARMA, Vols. volume 6, nomor 3, pp. 1767-1774, 2022.
[11] I. Sarker, "Machine learning:algorithms, Real-World Aplplications and Reseachh Directions.," SN Computer Science, p. 160, 2021.
I. C. D. K. Yunico Ardian Pradana, "Analisis Sentimen Pemindahan Ibu Kota Indonesia pada Media Sosial Twitter dengan menggunakan LSTM dan Word2vec," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. vol. 7 no 5, pp. 2389-2397, 2023.
[12] S. V. D. D. B. D. H. &. B. C. Prasad, "Telugu Dialect Identification Using Machine Learning Models with Cross Validation: An Automated Approch to Preserving Linguistic Diversity.," NeuroQuantology, pp. 1060-1070, 2023.
[13] A. W. G. A. S. Anggreiny Rolangon, "Analisis sentimen pemindahan ibu kota Indonesia pada media sosial Twitter menggunakan metode LSTM dan Word2Vec," Jurnal TeIKa, Vols. Volume 13, Nomor 1, pp. 31-40, 2023.
[14] Q. N. A. Andreyestha, "Analisa Sentimen Kicauan Twitter Tokopedia Dengan Optimalisasi Data Tidak Seimbang MenggunakanAlgoritma SMOTE," Infotek : Jurnal Informatika dan Teknologi, vol. vol5. no.1, pp. 108-116, 2022.
[5] I. A. H. N. &. A. L. Styawati, "Comparison of Support Vector Machine and Naives Bayes on Twitter Data Sentimen Analysis.," Jurnal Informatika:jurnal Pengembangan IT (JPIT), pp. 56-60, 2021.
[16] M. A. ,. I. R. H. F. F. S. D. Okta Ihza Gifari, "Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine," JIFOTECH (JOURNAL OF INFORMATION TECHNOLOGY), Vols. Vol. 2, No. 1 , pp. 36-40, 2022.
[17] N. Y. R. S. P. Caesar Rio Anggina Toruan, "Analisis Sentimen Tokocrypto pada Twitter menggunakan Metode Long Short-Term Memory," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. Vol. 7 No. 2, pp. 719-726, 2023.
[18] S. F. P. R. N. S. F. Chandra Kirana Poetra, "Meningkatkan Akurasi Long Short-Term Memory (LSTM) pada Analisis Sentimen Vaksin Covid-19 di Twitter Dengan Glove," Jurnal Telematika, vol. vol. 16 no. 2, pp. 85-90, 2021.
[19] B. W. R. S. Chintya Ayu Maharani, "ANALISIS SENTIMEN VAKSIN COVID-19 PADA TWITTER MENGGUNAKAN Recurrent Neural Network (RNN) dengan Algoritma Long Short Term Memory (LSTM)," Jurnal Gaussian, vol. Volume 12 No. 3, pp. 403-413, 2023.
Published
2025-02-28