Perbandingan Metode Seleksi Fitur Dalam Analisis Sentimen Kebijakan Bahan Bakar Subsidi Di Platform Youtube

Abstract

Pemberitaan terkait kebijakan digitalisasi pembayaran BBM bersubsidi tidak hanya dimuat di media cetak dan elektronik, tetapi juga di kanal YouTube. YouTube saat ini menjadi media informasi yang sangat banyak diakses oleh banyak orang. Menurut hasil riset 92% pengguna internet indonesia menyatakan YouTube adalah tujuan pertama mereka ketika mencari video. Dari segi kuantitas penonton, YouTube sudah menyaingi televisi sebagai sarana media yang paling sering diakses orang indonesia. Telah diakukan penelitian terkait perbandingan 3 metode seleksi fitur yaitu chi square, mutual information, dan information gain dalam analisis sentimen kebijakan bahan bakar subsidi di platform youtube. Adapun Model terbaik machine learning dari penelitian ini adalah dengan menggunakan seleksi fitur chi square dengan metode pengklasifikasian menggunakan MKNN yang memperoleh nilai accuracy 86.40%, precision mencapai 84.48%, recall mencapai 90.74?n f1-score mencapai 87.5%. Pada evaluasi pertama menggunakan data testing model ini mampu mengklasifikasi 89 data testing dengan benar dari 103 total data testing secara keseluruhan. Model mampu mengenali true positive sebanyak 49 data dan mampu mengenali true negative sebanyak 40 data. Sedangkan pada evaluasi kedua menggunakan seluruh data model ini mampu mengklasifikasi 461 data dengan benar dari 511 total data secara keseluruhan. Model mampu mengenali true positive sebanyak 230 data dan mampu mengenali true negative sebanyak 231 data.