Klasifikasi Penggunaan Kata Urgent Pada Percakapan Whatsapp Menggunakan Algoritma Support Vector Machine
DOI:
https://doi.org/10.61179/jurnalinfact.v8i02.579Keywords:
Whatsapp, Classification, Support Vector Machine, Community Group, Natural Language ProcessingAbstract
Penelitian ini bertujuan mengembangkan pendekatan otomatis
untuk mengklasifikasikan pesan "urgent" dalam percakapan grup
WhatsApp menggunakan algoritma Support Vector Machine
(SVM) dalam bidang Pemrosesan Bahasa Alami (NLP). Data dari
grup WhatsApp K-BIMI UKRIM dikumpulkan melalui proses
crawling dan melalui tahapan preprocessing, seperti cleaning, case
folding, normalization, tokenization, stopwords removal, dan
stemming. Dataset dilabeli secara manual untuk menentukan pesan
"urgent" dan "not urgent" untuk pelatihan dan pengujian model.
Model klasifikasi SVM menunjukkan hasil yang efektif dengan nilai
precision 0,99, recall 0,94, dan f-1 score 0,96 untuk sentimen
"urgent", serta precision 0,99, recall 1,00, dan f-1 score 0,99 untuk
sentimen "not urgent". Temuan ini menunjukkan bahwa SVM
efektif dalam memprioritaskan pesan mendesak di grup komunitas
WhatsApp.
References
I. Puspasari and P. H. Rusmin, “Klasifikasi
Wazan pada Kata-Kata Al Qur’an Menggunakan
Natural Language Processing,” J. Technol.
Informatics, vol. 3, no. 2, pp. 41–48, 2022, doi:
37802/joti.v3i2.224.
A. Riezka, I. Atastina, and K. Maulana,
“ANALISIS DAN IMPLEMENTASI DATACLEANING DENGAN MENGGUNAKAN
METODE MULTI-PASS NEIGHBORHOOD
(MPN) Anandary,” 2011.
V. K. Sitanayah, A. Iriani, and H. D.
Purnomo, “Analisis Sentimen Transportasi Online
Menggunakan Support Vector Machine Berbasis
Particle Swarm Optimization,” J. Nas. Tek. Elektro
dan Teknol. Inf., vol. 9, no. 2, pp. 162–170, 2020,
doi: 10.22146/jnteti.v9i2.102.
M. D. Purbolaksono, M. Irvan Tantowi, A.
Imam Hidayat, and A. Adiwijaya, “Perbandingan
Support Vector Machine dan Modified Balanced
Random Forest dalam Deteksi Pasien Penyakit
Diabetes,” J. RESTI (Rekayasa Sist. dan Teknol.
Informasi), vol. 5, no. 2, pp. 393–399, 2021, doi:
29207/resti.v5i2.3008.
D. Darwis, N. Siskawati, and Z. Abidin,
“Penerapan Algoritma Naive Bayes Untuk Analisis
Sentimen Review Data Twitter Bmkg Nasional,” J.
Tekno Kompak, vol. 15, no. 1, p. 131, 2021, doi:
33365/jtk.v15i1.744.
I. Saputra and D. Rosiyadi, “Perbandingan
Kinerja Algoritma K-Nearest Neighbor, Naïve
Bayes Classifier dan Support Vector Machine dalam
Klasifikasi Tingkah Laku Bully pada Aplikasi
Whatsapp,” Fakt. Exacta, vol. 12, no. 2, p. 101,
, doi: 10.30998/faktorexacta.v12i2.4181.
A. S. Ritonga and E. S. Purwaningsih,
“PENERAPAN METODE SUPPORT VECTOR
MACHINE ( SVM ) DALAM KLASIFIKASI
KUALITAS PENGELASAN SMAW ( SHIELD
METAL ARC WELDING ),” vol. 5, no. 1, pp. 17–
, 2018.
M. T. Anjasmoros, Istiadi, and F. Marisa,
“Seminar Nasional Hasil Riset Prefix-RTR
ANALISIS SENTIMEN APLIKASI GO-JEK
MENGGUNAKAN METODE SVM DAN NBC
(STUDI KASUS: KOMENTAR PADA PLAY
STORE),” Conf. Innov. Appl. Sci. Technol.
(CIASTECH 2020), no. Ciastech, pp. 489–498, 2020.
H. Apriyani and K. Kurniati,
“Perbandingan Metode Naïve Bayes Dan Support
Vector Machine Dalam Klasifikasi Penyakit
Diabetes Melitus,” J. Inf. Technol. Ampera, vol. 1,
no. 3, pp. 133–143, 2020, doi:
51519/journalita.volume1.isssue3.year2020.page
-143.
Y. S. HARIYANI, S. HADIYOSO, and T.
S. SIADARI, “Deteksi Penyakit Covid-19
Berdasarkan Citra X-Ray Menggunakan Deep
Residual Network,” ELKOMIKA J. Tek. Energi
Elektr. Tek. Telekomun. Tek. Elektron., vol. 8, no. 2,
p. 443, 2020, doi: 10.26760/elkomika.v8i2.443.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 Desman Frans Natalius Hulu, Jatmika, Yo’el Pieter Sumihar
This work is licensed under a Creative Commons Attribution 4.0 International License.
<a rel="license" href="http://creativecommons.org/licenses/by/4.0/"><img alt="Lisensi Creative Commons" style="border-width:0" src="https://i.creativecommons.org/l/by/4.0/88x31.png" /></a><br />Ciptaan disebarluaskan di bawah <a rel="license" href="http://creativecommons.org/licenses/by/4.0/">Lisensi Creative Commons Atribusi 4.0 Internasional</a>.
