ANALISIS SENTIMEN PUBLIK ATAS RESPONS PEMERINTAH PADA SERANGAN RANSOMWARE DENGAN PENDEKATAN MACHINE LEARNING DAN SMOTE

Indra Prayugah; Uce Indahyanti; Novia Ariyanti

doi:10.35145/joisie.v8i2.4764

Indra Prayugah Universitas Muhammadiyah Sidoarjo
Uce Indahyanti Universitas Muhammadiyah Sidoarjo
Novia Ariyanti Universitas Muhammadiyah Sidoarjo

DOI: https://doi.org/10.35145/joisie.v8i2.4764

Abstract viewed = 170 times

PDF (Bahasa Indonesia) downloaded = 120 times

Abstract

Serangan ransomware pada pusat data nasional Indonesia menjadi topik yang banyak dibicarakan di masyarakat. YouTube menjadi platform utama untuk menyebarkan informasi dan masyarakat beropini. Penelitian ini bertujuan untuk mengidentifikasi sentimen publik mengenai penanganan pemerintah terhadap serangan ransomware melalui analisis komentar di kanal YouTube CNN Indonesia dan MetroTV. Data dikumpulkan menggunakan teknik web scraping dan dimasukkan ke dalam model klasifikasi dengan tiga label yaitu sentimen positif, netral, dan negatif. Tiga model machine learning yang akan digunakan adalah SVM, Random Forest, dan Naïve Bayes, dengan dua skenario pengujian yaitu menggunakan Synthetic Minority Over-sampling Technique (SMOTE) dan tanpa SMOTE. Penerapan SMOTE meningkatkan akurasi model, terutama pada SVM yang mencapai 96%. Hasil penelitian menunjukkan bahwa mayoritas komentar mengungkapkan sentimen negatif terhadap kinerja pemerintah. Penelitian ini diharapkan memberikan pemahaman mengenai persepsi publik terhadap isu keamanan siber di Indonesia dan efektivitas SMOTE dalam analisis sentimen

Downloads

Download data is not yet available.

References

Aida Sapitri, I., & Fikry, M. (2023). Pengklasifikasian Sentimen Ulasan Aplikasi Whatsapp Pada Google Play Store Menggunakan Support Vector Machine. Jurnal TEKINKOM, 6(1), 1–7. https://doi.org/10.37600/tekinkom.v6i1.773
Alfandi Safira, & Hasan, F. N. (2023). Analisis Sentimen Masyarakat Terhadap Paylater Menggunakan Metode Naive Bayes Classifier. ZONAsi: Jurnal Sistem Informasi, 5(1), 59–70. https://doi.org/10.31849/zn.v5i1.12856
Andrian, E., & Rahman Isnain, A. (2024). JURNAL MEDIA INFORMATIKA BUDIDARMA Analisis Sentimen Masyarakat Terhadap Tiktok Shop di Twitter Menggunakan Metode Naive Bayes Classifier. https://doi.org/10.30865/mib.v8i2.7530
Ardiansyah, & Nur’aini. (2024). JOISIE licensed under a Creative Commons Attribution-ShareAlike 4.0 International License ( CC BY-SA 4.0) Implementasi Analisis Sentimen Masyarakat Mengenai Kenaikan Harga Bbm Dengan Metode Naive Bayes. Journal Of Information Systems And Informatics Engineering, 8(1), 1–9. https://doi.org/10.35145/joisie.v8i1.3838
Aura Azzahra, T., Anisa Sri Winarsih, N., Wilujeng Saraswati, G., Ocky Saputra, F., Syaifur Rohman, M., Oka Ratmana, D., Anggi Pramunendar, R., & Fajar Shidik, G. (2024). JURNAL MEDIA INFORMATIKA BUDIDARMA Perbandingan Efektivitas Naïve Bayes dan SVM dalam Menganalisis Sentimen Kebencanaan di Youtube. https://doi.org/10.30865/mib.v8i1.7186
Chely Aulia Misrun, Haerani, E., Fikry, M., & Budianita, E. (2023). Analisis sentimen komentar youtube terhadap Anies Baswedan sebagai bakal calon presiden 2024 menggunakan metode naive bayes classifier. Jurnal CoSciTech (Computer Science and Information Technology), 4(1), 207–215. https://doi.org/10.37859/coscitech.v4i1.4790
Darwisah Harahap, E., & Kurniawan, R. (2024). Analisis Sentimen Komentar Terhadap Kebijakan Pemerintah Mengenai Tabungan Perumahan Rakyat (TAPERA) Pada Aplikasi X Menggunakan Metode Naïve Bayes.
Dika Wardhani, Rika Astuti, D. D. S. (2024). Optimasi Feature Selection Text Mining: Stemming dan Stopword. INNOVATIVE: Journal Of Social Science Research, 4, 7537–7548.
Faira Huwaida, S., Kusumawati, R., Isnaini, B., Korespondensi, P., & Artikel, R. (2024). Analisis sentimen komentar youtube terhadap pemindahan ibu kota negara menggunakan metode Naïve Bayes. Jambura Journal of Informatics, 6(1), 26–39. https://doi.org/10.37905/jji.v6i1.24718
Hidayat, H., Santoso, F., & Lidimillah, L. F. (2024). Analisis Sentimen Pengguna YouTube Tentang Rohingya Menggunakan Algoritma SVM (Support Vector Machine). G-Tech: Jurnal Teknologi Terapan, 8(3), 1729–1738. https://doi.org/10.33379/gtech.v8i3.4497
Indrayuni, E., & Nurhadi, A. (2023). Optimasi Naive Bayes Berbasis Pso Untuk Analisa Sentimen Perkembangan Artificial Intelligence Di Twitter. INTI Nusa Mandiri, 18(1), 65–70. https://doi.org/10.33480/inti.v18i1.4282
Kevin, K., Enjeli, M., & Wijaya, A. (2024). Analisis Sentimen Pengunaaan Aplikasi Kinemaster Menggunakan Metode Naive Bayes. Jurnal Ilmiah Computer Science, 2(2), 89–98. https://doi.org/10.58602/jics.v2i2.24
Kumala Sari, P., & Randy Suryono, R. (2024). Komparasi Algoritma Support Vector Machine Dan Random Forest Untuk Analisis Sentimen Metaverse (Vol. 7, Issue 1).
Manullang, O., Prianto, C., & Harani, N. H. (2023). Analisis Sentimen Untuk Memprediksi Hasil Calon Pemilu Presiden Menggunakan Lexicon Based dan Random Forest.
Muadin, M., & Asnal, H. (2023). Implementasi Metode Support Vector Machine Pada Opinion Mining Masyarakat Terkait CHATGPT. JOISIE Journal Of Information System And Informatics Engineering, 7(1), 78–84.
Mualfah Desti. (2023). Analisis Sentimen Komentar YouTube TvOne Tentang Ustadz AbdulSomad Dideportasi Dari Singapura MenggunakanAlgoritma SVM.
Murni Pardede, Tulus Pramita Sihaloho, Jenheri Rejeki Tarigan, S. S. (2022). Implementasi Algoritma Rabin Karp Dan Optimasi Dengan Algoritma Stemmer Sastrawi Dalam Deteksi Plagiat Pada Jurnal Skripsi Mahasiswa. Jurnal Armada Informatika, 6(2), 1–6. https://journal.stekom.ac.id/index.php/elkom/article/download/372/308/
Naufal, M. F., Arifin, T., & Wirjawan, H. (n.d.). Analisis Perbandingan Tingkat Performa Algoritma SVM, Random Forest, dan Naïve Bayes untuk Klasifikasi Cyberbullying pada Media Sosial. 2023, 8, 82. https://tunasbangsa.ac.id/ejurnal/index.php/jurasik
Ningtyas, A. A., Solichin, A., & Pradana, R. (2023). Analisis Sentimen Komentar Youtube Tentang Prediksi Resesi Ekonomi Tahun 2023 Menggunakan Algoritme Naïve Bayes (Vol. 20, Issue 1).
Pratama, R. Y., & Aryani, P. F. (2024). Kominfo Tentang Pemblokiran Game Kekerasan Sentiment Analysis Of Youtube Comments On Kominfo ’ S. 3(September), 743–752.
Putri, R. R., & Cahyono, N. (2024). Analisis Sentimen Komentar Masyarakat Terhadap Pelayanan Publik Pemerintah Dki Jakarta Dengan Algoritma Super Vector Machine Dan Naive Bayes. In Jurnal Mahasiswa Teknik Informatika (Vol. 8, Issue 2).
Sharfina, N., & Ghaniaviyanto Ramadhan, N. (2026). Terakreditasi SINTA Peringkat 3 Analisis SMOTE Pada Klasifikasi Hepatitis C Berbasis Random Forest dan Naïve Bayes (Vol. 7, Issue 1).
Syah, F., Fajrin, H., Afif, A. N., Saeputra, R., Mirranty, D., & Saputra, D. D. (2023). Analisa Sentimen Terhadap Twitter IndihomeCare Menggunakan Perbandingan Algoritma Smote, Support Vector Machine, AdaBoost dan Particle Swarm Optimization. Jurnal Teknologi Informasi Dan Komunikasi), 7(1). https://doi.org/10.35870/jti
Syakir, A., & Hasan, F. N. (2023). Analisis Sentimen Masyarakat Terhadap Perilaku Korupsi Pejabat Pemerintah Berdasarkan Tweet Menggunakan Naive Bayes Classifier. JURNAL MEDIA INFORMATIKA BUDIDARMA, 7(4), 1796. https://doi.org/10.30865/mib.v7i4.6648
Yasir, M., & Suraji, R. (2023). Perbandingan Metode Klasifikasi Naive Bayes, Decision, Tree, Random Forest Terhadap Analisis Sentimen Kenaikan Biaya Haji 2023 pada Media Sosial Youtube. Jurnal Cahaya Mandalika (JCM), 3(2), 180–192.