Perbandingan Metode Klasifikasi dan SMOTE Terhadap Analisa Sentimen Mobil Listrik Indonesia
DOI:
10.33395/jmp.v13i2.14428Keywords:
Klasifikasi, SMOTE, Mobil ListrikAbstract
Pesatnya perkembangaan penyimpanan energi terutama teknologi baterai membuat inovasi pada kendaraan. Perkembangan transportasi beralih dari kendaraan berbahan bakar fosil ke energi listrik dimana memiliki keuntungan ramah lingkungan dan tidak bising. Namun pada daya terima masyarakat Indonesia berbeda-beda ada yang positif dan negatif. Dinamika di masyarakat dapat di gali melalui komentar yang terdapat di Youtube. Dimana Youtube sebagai situs layanan menonton dan berbagi video yang mengalami penetrasi signifikan. Saat ini Indonesia berada di posisi ke empat sebagai pengguna Youtube sehingga situs ini sesuai digunakan sebagai sumber data. Analisa mengenai berdasarkan sentimen mengenai mobil listrik yang berasal dari salah satu kanal Youtube dimana terdapat mendapatkan hasil 65% positif dan sisanya 35% berpendapat negatif. Data diolah dengan menggunakan metode Knowledge Discovery in Data Base dengan metode CRISP-DM. Komentar awal berjumlah 1265 yang diolah dengan menggunakan metode klasifikasi pada data mining. Dengan cara membandingkan algoritma KNN, algoritma Naïve Bayes dan Algoritma SVM. Kemudian guna menyeimbangkan data dan meningkatkan akurasi peneliti mengkombinasikan dengan algoritma SMOTE. Hasil yang diperoleh integrasi algoritma SVM dan SMOTE menghasilkan keakurasian 94.65%, gabungan Naïve Bayes dan SMOTE menghasilkan akurasi 84.82% dan KNN dengan SMOTE menghasilkan 62.80%. Berdasarkan hasil perbandingan algoritma klasifikasi yang telah dilakukan didapat kombinasi algoritma SVM dan SMOTE menghasilkan prediksi terbaik.