Progresif: Jurnal Ilmiah Komputer Jl.
Ahmad Yani.
33,5 - Kampus STMIK Banjarbaru Loktabat Ae Banjarbaru (Tlp.
, e-mail: puslit.
stmikbjb@gmail.
e-ISSN: 2685-0877 p-ISSN: 0216-3284 Pengelompokan Analisis Sentimen Komentar Youtube Terhadap Pengambilalihan Jalan Rusak di Lampung Menggunakan Algoritma Clustering Niko Purnomo1*.
Windu Gata2 Ilmu Komputer.
Universitas Nusa Mandiri.
Jakarta.
Indonesia *e-mail Corresponding Author: 14220038@nusamandiri.
Abstrak Clustering is a method to group data into groups with certain similarities.
This research analyzes text clustering on YouTube video comments about damaged road repairs in Lampung.
Three clustering algorithms were used: K-means.
DBSCAN, and HDBSCAN.
The results showed a silhouette score for K-means of -0.
DBSCAN of 0.
836, and HDBSCAN of 0.
Theme analysis on DBSCAN clusters showed better clustering than K-means and HDBSCAN.
DBSCAN
clusters are easier to infer because the topics of each cluster are well classified.
Thus.
DBSCAN proved superior in clustering text comments, with the highest silhouette score of 0.
836% in the case of damaged road repair in Lampung.
Keywords: Analisis Sentimen.
Clustering.
K-means.
DBSCAN.
HDBSCAN
Abstrak Clustering adalah metode untuk mengelompokkan data ke dalam kelompok-kelompok dengan kemiripan tertentu.
Penelitian ini menganalisis pengelompokan teks pada komentar video YouTube tentang perbaikan jalan rusak di Lampung.
Tiga algoritma clustering digunakan: Kmeans.
DBSCAN, dan HDBSCAN.
Hasil penelitian menunjukkan skor siluet untuk K-means sebesar -0,348.
DBSCAN sebesar 0,836, dan HDBSCAN sebesar 0,106.
Analisis tema pada cluster DBSCAN menunjukkan pengelompokan yang lebih baik dibandingkan K-means dan HDBSCAN.
Cluster DBSCAN lebih mudah disimpulkan karena topik tiap cluster terklasifikasi dengan baik.
Dengan demikian.
DBSCAN terbukti lebih unggul dalam mengelompokkan komentar teks, dengan skor siluet tertinggi 0,836% pada kasus perbaikan jalan rusak di Lampung.
Kata Kunci: Analisis Sentimen.
Clustering.
K-means.
DBSCAN.
HDBSCAN.
Pendahuluan Perbaikan jalan merupakan isu krusial dalam pembangunan infrastruktur, terutama di negara berkembang seperti Indonesia.
Kondisi jalan yang baik mendukung mobilitas, memperlancar logistik, dan meningkatkan kualitas hidup masyarakat.
Di Lampung, khususnya Kabupaten Lampung Tengah, kondisi jalan rusak yang menghubungkan Kabupaten Kotagajah dan Kabupaten Gayabaru telah menjadi keluhan utama masyarakat selama hampir satu dekade.
Jalan berlubangdan rusak ini tidak hanya menghambat aktivitas harian tetapi juga membahayak an keselamatan pengguna jalan.
Oleh karena itu, penelitian ini penting untuk memahami dampak sosial dari perbaikan jalan dan menggali opini publik yang dapat menjadi dasar kebijakan yang lebih efektif.
Kondisi jalan rusak di Lampung Tengah menunjukkan kontradiksi antara harapan dan realitas.
Meski telah lama diabaikan, jalan-jalan tersebut kini mendapat perhatian setelah hampir 10 tahun dibiarkan tanpa perbaikan signifikan.
Perbaikan yang dilakukan oleh Kementeri an Pekerjaan Umum dan Perumahan Rakyat (PUPR) baru-baru ini mengacu pada Instruksi Presiden Nomor 3 Tahun 2023 tentang Percepatan Konektivitas Jalan Perdesaan.
Meski pemer intah pusat telah mengalokasikan dana Rp 800 miliar untuk memperbaiki 15 jalan rusak di Provi nsi Lampung, masyarakat tetap resah dan skeptis mengenai efektivitas langkah ini.
Perbedaan antara kondisi jalan saat ini dan kondisi ideal yang diharapkan menciptakan masalah sosial dan ekonomi yang signifikan bagi penduduksetempat .
Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo e-ISSN: 2685-0877 Platform media sosial telah menjadi salah satu sarana utama masyarakat untuk menyampaikan pendapat dan mendiskusikan berbagai isu sosial dan politik.
Komentar yang diposting di YouTube, salah satu platform media sosial yang paling banyak digunakan, dapat memberikan wawasan berharga mengenai opini dan sentimen publik mengenai topik tertentu.
Analisis komentar YouTube terkait permintaan jalan rusak di Lampung menjadi contoh bagaimana big data dari media sosial dapat diolah untuk lebih memahami situasi sosial suatu Pengambilalihan jalan rusak di Lampung merupakan isu penting yang mempengar uhi kehidupan sehari - hari penduduk setempat, logistik, dan perekonomian lokal.
Orang-orang menggunakan platform seperti YouTube untuk berbagi pengalaman, kekhawatiran, dan harapan mereka mengenai kondisi infrastruktur ini.
Dengan menganalisis komentar-komentar yang dikumpulkan, para pemangku kepentingan seperti pemerintah daerah, pembuat kebijakan, dan organisasi masyarakat dapat mengidentifikasi tren sentimen publik, prioritas masyarakat, dan bi dang - bidang yang memerlukan perhatian dan perbaikan.
YouTube merupakan salah satu bentuk pelaporan video dengan pengguna aktif terbanyak, pengguna dapat berkomunikasi menggunakan berbagai video, berbagi ketidaksukaan atau suka, menambah pemirsa pada video, dan berlangganan saluran .
Komentar pengguna dalam video dapat dianalisis untuk melihat anggapan individu terh adap kebijakan yang dilaporkan dan digunakansebagai bahan pertimbangan pembuat Komentar tersebut berbentuk teks, sehingga harus dilakukan analisis text mining.
Text mining adalah ilmu di bidang Data Mining, yang mempelajari pemrosesan otomatis data teks dengan tujuan mengekstraksi informasi baru dari kumpulan data yang besar.
Penambangan teks memberikan solusi untuk masalah seperti pengelompokan dan analisis teks tidak terstruktur dalam jumlah besar.
Namun, memproses komentar untuk mengekstrak informasi yang bermakna sangat sulit, setidaknya karena dua alasan: .
penggunaan kata dan ejaan yang tidak standar dan .
masalah konversi kode .
Teknik yang umum digunakan dalam penelitian text mining adalah clustering.
Clustering merupakan suatu teknik yang digunakan untuk mengelompokkan data ke dalam suatu cluster dengan menggunakan parameter parameter tertentu sedemikian rupa sehingga objek objek dalam cluster tersebut mempunyai d erajat kemiripan yang sama .
Algoritma clustering digunakan untuk mengelompokkan dan menganalisis sentimen komentar YouTube terkait permintaan jalan rusak di Lampung.
Metode siku digunakan untuk menentukan jumlah cluster yang optimal untuk mengelompokkan data, memungkinkan komentar diorganisasikan ke dalam kelompok-kelompok dengan karakteristik serupa dalam hal sentimen dan topik diskusi.
Selanjutnya kami menerapkan algoritma K-Means untuk melakukan clustering.
Hal ini menambah struktur pada data tidak terstruktur Anda dan memungkinkan analisis lebih lanjut mengenai jenis sentimen dan tema umum dalam diskusi publik tentang topik tersebut.
Melalui pendekatan analitis tersebut, penelitian ini tidak hanya memberikan gambaran holistik mengenai sentimen dan opini masyarakat mengenai pengambilalihan jalan rusak di Lampung, namun juga mengidentifikasi area-area dimana para pemangku kepentingan dapat melakukan intervensi secara strategis untuk menanggapi pandangan masyarakat.
Oleh karena itu, hasil analisis ini diharapkan dapat memberikan kontribusi pada proses pengambilan kebijakan yang lebih tepat guna menjawab kebutuhan dan harapan masyarakat lokal.
Penelitian ini menggunak an metode K-Means.
Metode K-Means merupakan salah satu teknik clustering data yang membagi data menjadi beberapa kelompok berdasarkan karakteristiknya .
Namun algoritma K-Means juga mempunyai kekurangan yaitu hasil clustering bergantung pada nilai c atau jumlah cluster .
Oleh karena itu, peneliti pada penelitian ini menggunakan metode Elbow untuk menentukan nilai jumlah cluster .
terbaik agar tercipta cluster yang optimal.
Metode Elbow merupakan metode yang umum digunakan untuk menentukan jumlah cluster terbaik dalam suatu kumpulan data untuk digunakan dalam proses clustering.
Jika terdapat nilai yang menunjukkan sudut pada grafik atau jika nilai tersebut menunjukkan penurunan paling signifikan, berarti jumlah cluster merupakan jumlah cluster yang terbaik .
Menurut Suyanto pada tahun 2020.
DBSCAN mampu menghasilkan banyak cluster yang bebas dan acak .
idak melingka.
serta dapat membuat cluster dengan lebih mudah jika terdapat noise pada beberapa cluster tersebut.
Algoritma DBSCAN dapat menemukan setiap cluster dalam bentuk apapun dan secara efektif mengidentifikasi titik-titik noise yang ada .
Pengelompokan Spasial Hierarki Aplikasi dengan Kebisingan Berbasis Kepadatan HDBSCAN adalah algoritma analisis klaster yang banyak digu nakan karena ketahanannya terhadap kebisingan dalam kumpulan data .
Penelitian ini bertujuan untuk menganalisis sentimen dan opini publik mengenai Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 perbaikan jalan rusak di Lampung melalui komentar - komentar YouTube.
Dengan mengelompo kkan komentar menggunakan metode clustering, penelitian ini diharapkan dapat memberikan gambaran holistik tentang sentimen masyarakat dan mengidentifikasi bidang-bidang yang memerlukan perhatian lebih lanjut.
Manfaat dari penelitian ini adalah menyediakan data yang dapat digunakan oleh pemerintah daerah, pembuat kebijakan, dan organisasi masyarakat sipil untuk membuat keputusan yang lebih tepat dan responsif terhadap kebutuhan masyarakat.
Dengan demikian, penelitian ini berkontribusi pada proses pengambilan kebijakan yang lebih efektif dan efisien, sekaligus meningkatkan transparansi dan akuntabilitas dalam pelaksanaan perbaikan jalan.
Tinjauan Pustaka Pada penelitian pertama menganalisis sentimen masyarakat Indonesia terhadap eksistensi K-Pop pada media sosial twitter.
Kinerja dari sebuah algoritma klasifikasi dipengaruhi dari jenis data dan fiturnya, maka dari itu data set berupa teks yang akan diolah harus melalui tahapan Text preprocessing seperti case folding, stemming, tokenizing.
Text Normalization serta stopwords, lalu setelah itu data akan masuk tahapan selanjutnya yaitu tahapan klasifikasi menggunakan algoritma K-Means dan diuji dengan perhitungan Silhouette Coefficient untuk mendapatkan nilai akurasi yang sesuai dengan harapan sehingga dapat mengklasifikasikan data untuk mendapatkan hasil kesimpulan .
Penelitain kedua dengan metode yang sama yaitu Implementasi dari pendekatan metode K-Means untuk mengetahui kecenderungan opini masyarakat terhadap pemilu dalam media sosial twitter.
Pada penelitian ini dilakukan untuk mengetahui kecenderungan opini masyarakat terhadap pemilu apakah termasuk kedalam sentimen positif atau negative .
Penelitain ketiga melakukan penelitian pada tahun 2020 tentang AuAnalisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19Ay.
Penelitian ini bertujuan untuk mengetahui bagaimana sentimen publik terhadap sebuah masalah atau objek, apakah cenderung beropini negatif atau positif.
Penelitian ini melakukan pengumpulan data dengan melakukan crawling twitter dan menghasilkan 1000 tweet untuk dataset.
Dan menghasilkan persentase opini masyarakat terhadap vaksin Corona yaitu 48% positif, 29% netral, dan 23% negative .
Penelitian keempat mengenai Analisis Sentimen Publik pada media social Twitter mengenai pelaksanaan pilkada serentak menggunakan algoritma K-Means dan Support Vector Machine.
Penelitian ini bertujuan untuk mengetahui respon masyarakat pada media sosial Twitter tentang kelangsungan pilkada.
Penelitian ini menggunakan 3000 tweet Bahasa Indonesia yang digunakan untuk dataset dan membagi data kedalam 2 kategori yaitu Cluster 1 sebagai kelompok Tweet positif dan Cluster 2 sebagai kelompok Tweet negatif .
Pada penelitian ini akan dilakukan clustering review pengguna aplikasi Zenius pada layanan Google Play Store menggunakan metode K-Means.
DBSCAN (Density-Based Spatial Clustering of Application with Nois.
dan metode HDBSCAN (Hierarchical Density-Based Spatial Clustering of Applications with Nois.
dan membadingkan ketiga metode tersebut menggunakan silhouette coefficient.
Adapun tujuan dari penelitian ini adalah untuk mengisi gap tersebut dengan membandingkan performa K-Means.
DBSCAN, dan HDBSCAN dalam mengelompokkan analisis sentimen komentar YouTube terkait pengambilalihan jalan rusak di Lampung.
Dengan melakukan perbandingan ini, diharapkan dapat diidentifikasi algoritma yang paling efektif dan efisien dalam menangani data sentimen dengan karakteristik yang beragam.
Metodologi Perencanaan diagram analisis sentimen adalah gambaran yang menunjukkan alur penelitian yang dilakukan.
Alur pencarian bisa dilihat pada gambar 1.
Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo e-ISSN: 2685-0877 Gambar 1.
Tahapan Metode Penelitian Pengumpulan Data Data komentar berasal dari akun YouTube @sekretariatpresresiden.
Website ini membagikan konten hasil kunjungan presiden ke berbagai daerah di Indonesia dan menggunakan izin layanan Youtube Data API v3 untuk mengakses atribut data statistik video, seperti komentar nama orang, konten komentar, tanggal komentar, jumlah like, dan jumlah Jumlah data komentar dari seluruh link yang diperoleh cukup besar, yaitu 10814 baris data tidak berlabel.
Pengumpulan data dilakukan dengan menggunakan bahasa pemrograman Python yang dimodifikasi menggunakan perpustakaan Selenium Webdriver.
Pra-pemrosesan Data Pemrosesan awal teks merupakan langkah penting dalam penambangan teks.
Langkah preprocessing memproses data mentah menjadi data bersih untuk menyederhanakan proses Langkah-langkah prapemrosesan dokumen meliputi:
Cleansing Pengaplikasian pembersihan dataset yang dilakukan bertujuan untuk menghilangkan tanda baca yang tidak diperlukan sehingga dapat mengekstrak pola-pola yang potensial .
Case Folding Merupakan proses penyalarasan teks pada kalimat yang ada pada dataset.
Pada penelitian ini, data akan dilakukan Case Folding pada dataset adalah lowercase, yaitu dengan mengubah semua data teks yang telah didapat menjadi huruf kecil .
Tokenizing Merupakan proses pemisahan antara teks dalam kalimat berdasarkan spasi atau pun symbol .
, seperti kalimat Aupemimpin disana ngapain aja smpe mesti pusat turun kesana parah sihAy menjadi list ['pemimpin', 'disana', 'ngapain', 'aja', 'smpe', 'mesti', 'pusat', 'turun', 'kesana', 'parah', 'sih'] yang awalnya berbentuk satu kalimat utuh menjadi per kata.
Stopword Removal Menghapus stopword akan menghilangkan kata-kata yang dianggap tidak penting didalam teks .
, seperti imbuhan dan pronoun seperti AuitAy dan AutheyAy.
Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 Stemming Stemming akan mengubah kata yang ada pada komentar menjadi bentuk dasarnya sehingga dapat mengurangi variasi fitur-fitur yang memiliki makna yang sama namun karena terdapat imbuhan pada kata tersebut menyebabkan adanya perbedaan makna kata .
Pembobotan Kata Setelah tahap preprocessing teks membuat sekumpulan istilah atau kata, langkah selanjutnya adalah pembobotan kata, dimana setiap kata akan diberi bobot atau nilai.
Bobot atau nilai akan menunjukkan pentingnya sebuah kata dalam komentar.
Tujuannya untuk mengetahui persamaan dan ketersediaan suatu kata pada komentar.
Semakin sering sebuah kata muncul, semakin besar bobot atau nilainya.
Dalam proses penghitungan bobot kata, metode yang digunakan adalah metode TF-IDF.
Term Frekuensi Invers Frekuensi (TF-IDF) adalah metode algoritmik yang berguna untuk menghitung bobot atau nilai setiap kata yang umum digunakan.
TF-IDF mengevaluasi pentingnya sebuah kata dalam sebuah dokumen.
Hal ini tergantung pada berapa kali kata tersebut muncul dalam dokumen .
Persamaan pembentukan TF-IDF dapat dilihat pada persamaan 1 dan 2 di bawah ini.
ycOycn,yc = ycNyaycn,yc ycu yayayayc a.
IDyc = log ( ycA yayayc a.
Keterangan:
ycOycn,yc = bobot dari kata ke j pada komentar ke i IDyc = banyaknya komentar yang mengandung kata j ycNyaycn,yc = jumlah kemunculan kata ke j pada komentar ke i yayayayc = inverse document frequency pada kata ke j ycA = jumlah keseluruhan komentar Modelling Pemodelan merupakan tahap pemilihan model dan penerapan pemodelan dengan algoritma data mining.
Tahap ini bertujuan untuk mengoptimalkan hasil penelitian.
Pada penelitian ini terdapat 3 pemodelan yang dilakukan.
Elbow Metode Elbow merupakan salah satu metode untuk menentukan jumlah cluster yang tepat melalui persentase hasil perbandingan antara jumlah cluster yang akan membentuk siku pada suatu titik .
Jika nilai cluster pertama dengan nilai cluster kedua memberikan sudut dalam grafik atau nilainya mengalami penurunan paling besar maka jumlah nilai cluster tersebut yang tepat.
Untuk mendaatkan perbandingannya adalah dengan menghitung Sum of Square Error (SSE) dari masing-masing nilai cluster.
Karena semakin besar jumlah nilai cluster K, maka nilai SSE akan semakin kecil.
Rumus SSE sesuai dengan Persamaan 3.
ycIya = Ocycuyco=1 Ocycuycn .
cuycn Oe ycayco.
Keterangan:
K = cluster ke-c xi = jarak data obyek ke-i ck = pusat cluster ke-i K-Means Algoritma K-Means merupakan teknik analisis data yang menggunakan sistem partisi untuk melakukan proses pengelompokan data .
Suatu data dikelompokkan ke dalam satu cluster berdasarkan kemiripan atribut yang dimiliki.
Kemiripan ini bisa diketahui dengan mengukur jarak setiap data dengan pusat cluster .
Metode K-Means Clustering merupakan salah satu metode Clustering untuk mengelompokkan data yang memiliki jumlah data besar dan Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo e-ISSN: 2685-0877 proses yang cepat dan efisien .
Berikut adalah langkah perhitungan algoritma K-Means:
Tentukan berapa banyak jumlah cluster.
atau kelompok.
Tentukan secara acak pusat cluster awal .
Ukur jarak setiap data dengan pusat cluster .
yaitu dengan rumus Euclidean Distance pada persamaan 4.
yaycn,yc = Oo.
cu1ycy Oe ycuycyyc )2 .
cu2ycy Oe ycu2yc )2 .
cuycycy Oe ycuycyc )2 a.
Keterangan:
cy,y.
= jarak data ke-p dengan pusat cluster q ycU.
c,yc.
= data ke-p pada atribut data ke-r ycU.
c,y.
= titik pusat ke-q pada atribut Kelompokkan setiap data ke dalam cluster berdasarkan jarak minimum Lakukan proses iterasi dengan menentukan pusat klaser .
baru dengan rumus pada persamaan 5.
ycIya = Ocycuyco=1 Ocycuycn .
cuycn Oe ycayco.
Keterangan:
v = centroid pada cluster ycu.
= objek ke-p ycu= banyaknya objek/jumlah Ulangi langkah 3 hingga tidak terdapat perubahan cluster pada setiap data dari proses iterasi sebelumnya.
DBSCAN
Algoritma DBSCAN dapat menemukan sampel inti dengan kepadatan tinggi dan memperluas cluster dari sampel tersebut.
Terdapat dua parameter utama dari algoritma yang menentukan cluster: jumlah sampel minimal dan A.
Parameter pertama menentukan jumlah titik minimal yang dapat diklasifikasikan bersama sebagai sampel inti.
Parameter ini mendefinisikan tingkat toleransi noise dari algoritma .
Tentukan nilai parameter MinPts dan Eps.
Tentukan secara acak nilai p atau titik awal.
Hitung Eps atau semua jarak titik yang density reachable terhadap p menggunakan rumus jarak euclidean berikut.
ycy yaycnyc = ocyca.
cuycnyca Oe ycuycyca )2 a.
Dimana ycuycnyca merupakan variabel ke-a dari obyek i .
=1.
A, n.
a=1.
A, .
dan yaycnyc adalah nilai euclidean distance.
Terbentuk sebuah cluster ketika titik yang memenuhi Eps lebih dari MinPts dan titik p sebagai core point.
Lakukan pengulangan langkah 3 Ae 4 hingga dilakukan proses pada semua titik.
Jika p merupakan titik border dan tidak ada titik yang density reachable terhadap p, maka proses dilanjutkan ke titik yang lain.
HDBSCAN
Hierarchical Density Based Spatial Clustering of Applications with Noise (HDBSCAN) a dalah algoritma analisis klaster yang banyak digunakan karena ketahanannya terhadap noise d alam kumpulan data .
Silhoutte Coefficient Silhouette Coefficient digunakan untuk melihat kualitas dan kekuatan cluster, seberapa baik atau buruknya suatu obyek ditempatkan dalam suatu cluster.
Metode ini merupakan Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 gabungan dari metode separasi dan kohesi .
Untuk menghitung nilai silhouette coefficient, diperlukan perhitungan nilai silhouette index dari sebuah data ke-i.
Nilai silhouette coefficient didapatkan dengan mencari nilai maksimal dari nilai Silhouette Index Global dari jumlah cluster 2 sampai jumlah cluster n-1, seperti pada Persamaan 7 berikut.
ycIya = ycoycaycoycyco ycIya .
Untuk menghitung nilai SI dari sebuah data ke-i, ada 2 komponen yaitu ai dan bi.
Nilai ai adalah rata-rata jarak ke-i terhadap semua data lainnya dalam satu cluster, sedangkan bi didapatkan dengan menghitung rata-rata jarak data ke-i terhadap semua data dari cluster lainnya yang tidak satu cluster dengan data ke-i, lalu diambil yang terkecil .
Berikut Persamaan 5 untuk menghitung nilai ycaycn yc.
yc ycaycn = ycoycOe1 yco yc yc yc Ocyc=1 ycc.
cuycn , ycuyc ) a.
ycO1 Keterangan:
j = cluster i = index data .
= 1,2,Am.
ycaycn yc = rata-rata jarak data ke-i terhadap semua data dalam satu cluster Mj = jumlah data dalam cluster ke-j ycc.
cuycn yc , ycuyc yc ) = jarak data ke-i dengan data ke-r dalam satu cluster j.
Berikut ini adalah rumus perhitungan mendapatkan nilai ycaycn yc dapat dilihat pada Persamaan 9.
yc ycaycn = ycoycnycu ycu=1,.
yco{ yco yc Oc ycu ycc.
cuycn ,ycuycycu )} ycoycu yc=1 ycO1 a.
ycuOyc Keterangan:
j = cluster i = indexdata.
=1,2,Am.
yc ycaycn = rata-rata jarak data ke-i terhadap semua data yang tidak dalam satu cluster dengan data ke-i ycoycu = jumlah data dalam cluster ke-n yc ycc.
cuycn , ycuycycu )= jarak data ke-i dengan data ke-j dalam satu cluster n yc Berikut ini adalah rumus perhitungan mendapatkan nilai ycIyaycn dapat dilihat pada Persamaan 10.
yc yc ycaycn Oeycaycn yc ycIyaycn = yc yc max .
caycn ,ycaycn } a .
Keterangan:
yc ycIyaycn = Silhoutte Index data ke-i dalam satu cluster yc ycaycn = rata-rata jarak data ke-i terhadap semua data yang tidak dalam satu cluster dengan data yc ycaycn = rata-rata jarak data ke-i terhadap semua data dalam satu cluster.
Berikut ini adalah rumus perhitungan mendapatkan nilai ycIyayc dapat dilihat pada Persamaan 11 ycIyayc = ycoyc yco yc yc Ocycn=1 ycIyaycn a .
Keterangan:
ycIyayc = Rata-rata Sillhouette Index cluster j yc ycIyaycn = Silhoutte Index data ke-i dalam satu cluster ycAyc = jumlah data dalam cluster ke-j i = index data .
= 1,2,A ycoyc ) Berikut ini adalah rumus perhitungan mendapatkan nilai SI global sesuai dengan Persamaan Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo ycIya = ya e-ISSN: 2685-0877 Ocycoyc=1 ycIyayc a .
Keterangan:
ycIya = Rata-rata Sillhouette Index dari dataset ycIyayc = Rata-rata Sillhouette Index cluster j k = jumlah cluster Hasil dan Pembahasan Data yang berhasil dikumpulkan dari akun youtube @serketariatpresiden adalah seban yak 10814 komentar, data tersebut dikumpulkan dari satu video youtube yang berkaitan dengan Kunjungan Presiden Jokowi keLampung Tengah.
Gambar 2 menunjukkan dataset komentar youtube yang digunakan.
Gambar 2.
Hasil Crawling Data Preprosesing Data Prapemrosesan teks atau yang lebih dikenal dengan nama text preprocessing yaitu pro ses membersihkandata sebelum diolah nantinya.
Pada tahapan ini terdapat 5 proses diantaranya.
Tabel 1.
Hasil Processing Data Preprosesing Input Output Cleaning Sampe2 presiden turun langsung.
<br>Pejabat Disindir tapi malah cengar cengir ada ada aja.
Sampe presiden turunlangsungbr Pejabat disindir tapi malah cengar cengir ada ada aja.
CaseFolding Sampe presiden turun langsung b r pejabatengapain aja sihdimana h arus presiden yg pantau lgsg ckck disindir tapi malah cengar ada ada aja Tokenizing Sampe presiden turun langsung b r pejabatengapain aja sihdimana h arus presiden yg pantau lgsg ckck ['sampe','presiden','turun','langsun gbrpejabat','e','ngapain','aja','sih',' dimana','harus','presiden','yg','pan tau','lgsg','ckckck'] Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 Preprosesing Input Output Stopword Removal ['gubernur', 'muka','badaktau', 'mal u','gak','sih','dia','stlh','di', 'sindir', 's ama','presiden', 'langsung','dan', ' menteri', 'moga','keluarga','nya','tid ak','punya','malubrbrkomuknya','b anyak','makan','duit','haram','jd','ja bat','bukan','krn','ingin','baik','daera h','tp','krn','ingin','kaya','diri','sendiri gubernur muka badaktau malu ga k sih stlh sindir presiden langsung menteri moga keluarganya malub rbrkomuknya makan duit haram jd jabat krn daerah tp krn kaya Stemming ['saya','orang','lampung','lahir','dis ana','alhamdulillah','kalo','dibngau n','jalannya','gubernur','urat','malu nya','udah', 'putuss'] ['saya','orang', 'lampung','lahir', 'sa na','alhamdulillah','kalo','dibngaun' ,'jalan','gubernur','urat','malu','uda h','putuss'] Modelling Metode K-means Setelah data siap dipakai langkah selanjutnya yaitu melakukan pemodelan.
Pada penelitian ini dalam menentukan jumlah cluster .
yang optimal adalah menggunakan metode Dengan metode elbow jumlah cluster dikatakan optimal apabila grafik perbandingan Sum of Square Error (SSE) dengan jumlah cluster membentuk siku .
Artinya, selisih nilai SSE dengan cluster sebelumnya berubah drastis namun selisih nilai SSE dengan cluster setelahnya tidak berubah drastis.
Di bawah ini tabel 2 merupakan nilai SSE dengan jumlah cluster mulai dari c=1 sampai c=10.
Gambar 4.
Hasil Grafik Elbow Berdasarkan gambar hasil pengujian menggunakan elbow method maka jumlah cluster yang baik yang digunakan adalah 3 cluster, sehingga dalam penelitian ini menggunaka 3 cluster yaitu cluster 0, cluster 1, dan cluster 2.
Tabel 2.
Tabel Hasil Silhoutte Coefficient Jumlah Cluster .
Skor Silhouette n_clusters= 2 Skor Silhouette rata-rata n_clusters= 3 Skor Silhouette rata-rata n_clusters= 4 Skor Silhouette rata-rata n_clusters= 5 Skor Silhouette rata-rata n_clusters= 6 Skor Silhouette rata-rata Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo e-ISSN: 2685-0877 Berdasarkan gambar hasil pengujian menggunakan silhouette coefficient maka jumlah cluster yang baik yang digunakan adalah 3 cluster dengan nilai silhouette coefficient yaitu 0.
187, dan lebih baik dari nilai silhouette coefficient cluster lainnya.
Gambar 4.
Hasil Grafik Silhoutte Coefficient Gambar 5.
Plot Hasil Clustering K-means DBSCAN Gambar 6.
Hasil Clustering DBSCAN Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 Gambar 7.
Plot Hasil Clustering DBSCAN
HDBSCAN
Gambar 8.
Hasil Clustering HDBSCAN Hasil Analisa Nilai skor siluet K-means sebesar -0,3484.
Nilai negatif menunjukkan bahwa cluster yang dihasilkan K-Means kurang serupa atau datanya mungkin tidak sesuai dengan model cluster yang digunakan.
Skor siluet DBSCAN adalah 0,8368.
Nilai yang tinggi menunjukkan bahwa DBSCAN mampu menghasilkan cluster dengan kemiripan antar anggota yang tinggi, dan cluster tersebut mempunyai batasan yang jelas dibandingkan dengan cluster lainnya.
Nilai skor siluet HDBSCAN sebesar 0,1067.
Meski lebih rendah dibandingkan DBSCAN, nilai positif ini menunjukkan bahwa HDBSCAN meski tidak sekuat DBSCAN, namun masih mampu menemukan struktur clustering yang sangat baik pada data.
Tabel 3.
Tabel Hasil Skor Silhouette Dari 3 Algoritma
K-Means DBSCAN
HDBSCAN
Pembahasan Hasil pengujian menunjukkan bahwa DBSCAN adalah algoritma clustering yang paling efektif untuk dataset ini, dengan skor tertinggi dan kemampuan menangani noise serta variasi Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo e-ISSN: 2685-0877 densitas yang baik.
Hasil ini sejalan dengan penelitian terdahulu yang menegaskan keunggulan DBSCAN dalam berbagai aplikasi data spasial dan data kompleks.
K-Means terbukti tidak efektif, konsisten dengan banyak penelitian sebelumnya yang menunjukkan keterbatasannya pada dataset non-sferis dan dengan noise.
HDBSCAN memberikan hasil yang baik tetapi masih kurang optimal dibandingkan DBSCAN, menunjukkan bahwa parameter dan kondisi dataset sangat mempengaruhi performa algoritma clustering ini.
Simpulan Berdasarkan penelitian yang telah dilakukan, dapat disimpulkan bahwa dataset berupa kumpulan komentar dari youtube tentang pengelompokan komentar YouTube mengenai penga mbilalihan jalan rusak diLampun sebanyak 4353 komentar.
Nilai Silhouette Score tertinggi diper oleh dengan menggunakan algoritma DBSCAN sebesar nilai akurasi 0,836%.
Daftar Referensi .
Regita and I.
Santoso, "Analisis Sentimen Publik Terhadap Pengambilalihan Jalan Rusak Di Lampung Menggunakan Algoritma K-Nearest Neighbors (KNN)," IKRA-ITH Informatika:Jurnal Komputer dan Informatika, vol.
7, no.
2, pp.
176-182, 2023.
Abdulloh.
Ferian, and I.
Pambudi, "Analisis sentimen pengguna YouTube terhadap program vaksin COVID-19," Csrid (Computer Science Research and Its Development Journa.
, vol.
13,no.
3,pp.
141-148, 2021.
Barik.
Mahendra, and M.
Adriani, "Normalization of Indonesian-English code-mixed Twitter data," in Proc.
5th Workshop on Noisy User-generated Text (W-N T), 2019, pp.
Fauzi and A.
Abdullah, "Clustering of public opinion on natural disasters in Indonesia using DBSCAN and K-Medoids algorithms," Journal of Physics: Conference Series, vol.
1783, no.
1,pp.
1-7, 2021.
Ali, "Klasterisasi Data Rekam Medis Pasien Menggunakan Metode K-Means Clustering di Rumah Sakit Anwar Medika Balong Bendo Sidoarjo," MATRIK: Jurnal Manajemen.
Teknik Informatika dan Rekayasa Komputer, vol.
19, no.
1, pp.
186-195, 2019.
Riani.
Voutama, and T.
Ridwan, "Penerapan K-Means clustering dalam pengelompokan hasil belajar peserta didik dengan metode Elbow," Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD, vol.
6, no.
1,pp.
164-172,2023.
Dewi and D.
Pramita, "Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali," Matrix: Jurnal Manajemen Teknologi dan Informatika,vol.
9,no.
3,pp.
102-109,2019.
Jing.
Zhao, and C.
Jiang, "An improvement method of DBSCAN algorithm on cloud computing," Procedia Computer Science,vol.
147, pp.
596-604, 2019.
Ghamarian and E.
Marquis, "Hierarchical density-based cluster analysis framework for atom probetomography data,"Ultramicroscopy, vol.
200, pp.
28-38, 2019.
Wirayasa and H.
Santoso, "Analisis Employee Satisfaction Menggunakan Teknik Clustering Dan Classification Machine Learning," Progresif: Jurnal Ilmiah Komputer, vol.
1,pp.
1-10,2022.
Kurniawan.
Susanto, "Implementasi Metode K-Means dan Nayve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpre.
2019," Jurnal Eksplora Informatika, vol.
1,pp.
1-10,2019.
Aditama, et al.
, "Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19," Journal Information Engineering and Educational Technology, 869X,no.
2549,2020.
Rahmawati.
Atika.
Aris Marjuni, and Junta Zeniarja.
"Analisis Sentimen Publik Pada Media Sosial Twitter Terhadap Pelaksanaan Pilkada Serentak Menggunakan Algoritma Support Vector Machine.
" Creative Communication and Innovative Technology Journal 10.
Arja, "Penerapan Sentimen Analis Menggunakan Metode Nayve Bayes Dan SVM," Jurnal Ilmu Data,vol.
2, no.
12, 2022.
Khairunnisa.
Adiwijaya, and S.
Faraby, "Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-.
,"Jurnal Media Informatika Budidarma, vol.
5, no.
2, pp.
406-414, 2021.
Purniawan.
Sasmita, and I.
Pratama, "Clustering Berita Progresif: Vol.
No.
Agustus 2024: 701-713 Progresif e-ISSN: 2685-0877 Menggunakan Algoritma Tf-Idf dan K-Means Dengan Memanfaatkan Sumber Data Crawling Pada Situs Detik.
com," Jurnal Ilmiah Teknologi dan Komputer, vol.
3, no.
1, pp.
821-830,
Fauzi and A.
Abdullah, "Clustering of public opinion on natural disasters in Indonesia using DBSCAN and K-Medoids algorithms," Journal of Physics: Conference Series, vol.
1783,no.
1,pp.
1-7, 2021.
Saefudin.
Komarudin, and R.
Ilyas, "Visualisasi Kumpulan Berita Dalam Bentuk Peta Digital Dengan Metode Term Frequency-Inverse Document Frequency dan Gazetteer," in Proc.
Seminar Nasional Sains dan Teknologi Informasi (SENSASI), vol.
2, no.
1, 2019.
Fauzi and A.
Abdullah, "Clustering of public opinion on natural disasters in Indonesia using DBSCAN and K-Medoids algorithms," Journal of Physics: Conference Series, vol.
1783,no.
1,pp.
1-7, 2021.
Merliana and A.
Santoso, "Analisa Penentuan Jumlah Cluster Terbaik pada Metode K-Means Clustering," presented at the Conf.
, 2015.
Dewi and D.
Pramita, "Analisis Perbandingan Metode Elbow dan Silhouette pada Algoritma Clustering K-Medoids dalam Pengelompokan Produksi Kerajinan Bali," Matrix:Jurnal Manajemen Teknologi dan Informatika, vol.
9, no.
3, pp.
102-109, 2019.
Purwanti.
Ramdhan, and S.
Santoso, "Penerapan Metode Klasterisasi K-Means untuk Strategi Promosi Pada SMK Tamansiswa Sukadamai," JUTSI: Jurnal Teknologi dan Sistem Informasi,vol.
1,no.
2, pp.
141-146, 2021.
Pengelompokan Analisis Sentimen Komentar Youtubea.
Niko Purnomo