PERBANDINGAN ALGORITMA REGRESI LINEAR DAN REGRESI LOGISTIK DALAM ANALISIS SENTIMEN KOMENTAR TIKTOK TERHADAP FILM SLINE

Nurhabsah Nurhabsah, Nurdin Nurdin

Abstract


Penelitian ini bertujuan untuk membandingkan performa algoritma Regresi Linear dan Regresi Logistik dalam analisis sentimen komentar TikTok terhadap film Sline. Meningkatnya penggunaan media sosial sebagai sarana penyampaian opini publik mendorong penerapan metode machine learning untuk mengklasifikasikan sentimen pengguna secara otomatis. Dataset yang digunakan berupa komentar TikTok yang diproses melalui tahapan preprocessing teks, tokenisasi, pembersihan data, dan ekstraksi fitur menggunakan TF-IDF. Model Regresi Linear dan Regresi Logistik kemudian diimplementasikan serta dievaluasi menggunakan metrik accuracy, precision, recall, dan F1-score. Hasil penelitian menunjukkan bahwa Regresi Logistik memiliki performa klasifikasi yang lebih baik dibandingkan Regresi Linear dalam mengidentifikasi sentimen positif dan negatif pada komentar TikTok. Penelitian ini menyimpulkan bahwa Regresi Logistik lebih efektif digunakan pada permasalahan klasifikasi sentimen karena dirancang khusus untuk prediksi data kategorikal. Hasil penelitian diharapkan dapat memberikan kontribusi dalam pengembangan penelitian analisis sentimen berbasis data media sosial.

Keywords


Analisis Sentimen; Regresi Linear; Regresi Logistik; TikTok; Machine Learning

Full Text:

PDF

References


Ahmed, S., Hasan, M., & Karim, R. (2020). Sentiment Analysis on Social Media Using Logistic Regression and Machine Learning Approaches. International Journal of Advanced Computer Science and Applications, 11(5), 245–252. https://doi.org/10.14569/IJACSA.2020.0110531

Fauzi, A., Nugraha, R., & Setiawan, D. (2021). Analisis Sentimen Twitter Menggunakan Logistic Regression dengan Pembobotan TF-IDF. Jurnal Nasional Teknologi dan Sistem Informasi, 7(2), 85–92. https://doi.org/10.25077/TEKNOSI.v7i2.2021.85-92

Gunawan, I., & Prasetyo, R. (2022). Pengaruh Preprocessing terhadap Hasil Klasifikasi Analisis Sentimen Bahasa Indonesia. Jurnal Teknologi dan Sistem Komputer, 10(3), 133–141. https://doi.org/10.14710/jtsiskom.10.3.2022.133-141

Intan, I., Rismayani, Ghani, S. A. D., Nurdin, & Koswara, A. T. C. (2021). Analisis Performansi Prakiraan Cuaca Menggunakan Algoritma Machine Learning. Jurnal Pekommas, 6(2), 1–8. https://doi.org/10.30818/jpkm.2021.2060221

Kurniawan, R., & Putra, A. S. (2021). Implementasi TF-IDF dan Logistic Regression pada Analisis Sentimen Media Sosial. Jurnal Teknologi Informasi dan Ilmu Komputer, 8(4), 721–728. https://doi.org/10.25126/jtiik.202184394

Mahendra, L., Purnama, S., & Akbar, Y. (2021). Implementasi Regresi Linear pada Prediksi Data Berbasis Text Mining. Jurnal Sistem Cerdas, 5(2), 98–106. https://doi.org/10.37396/jsc.v5i2.145

Maulana, S., & Hidayat, A. (2022). Perbandingan Akurasi Random Forest, Logistic Regression, dan Decision Tree pada Analisis Sentimen. Jurnal Rekayasa Sistem dan Teknologi Informasi, 6(5), 811–819. https://doi.org/10.29207/resti.v6i5.4251

Maulita, M., & Nurdin. (2023). Pendekatan Data Mining untuk Analisa Curah Hujan Menggunakan Metode Regresi Linear Berganda (Studi Kasus: Kabupaten Aceh Utara). Idealis: Indonesia Journal Information System, 6(2), 99–106. https://doi.org/10.36080/idealis.v6i2.3034

Nurdin, & Khaledy, B. W. (2017). Implementasi Data Mining untuk Mengklasifikasi Data Nasabah PT. Adira Finance Aceh Tengah Menggunakan Algoritma C4.5. Jurnal Sistem Informasi Kaputama (JSIK), 1(1), 1–10.

Prakoso, A., & Iqbal, M. (2023). Analisis Sentimen Komentar Media Sosial terhadap Industri Hiburan Menggunakan TF-IDF dan Logistic Regression. Jurnal Teknologi Informasi dan Multimedia, 4(3), 170–179. https://doi.org/10.35746/jtim.v4i3.278

Pratama, F., Saputra, R., & Gunawan, I. (2021). Komparasi Support Vector Machine, Naïve Bayes, dan Logistic Regression pada Analisis Sentimen Twitter. Jurnal RESTI, 5(6), 1098–1105. https://doi.org/10.29207/resti.v5i6.3589

Putri, E. S., & Alwi, M. (2022). Penerapan Text Mining pada Analisis Sentimen Media Sosial Menggunakan Metode Logistic Regression. Jurnal CoreIT, 8(1), 27–35. https://doi.org/10.24014/coreit.v8i1.16211

Ramadhan, M., & Fitria, L. (2023). Pengaruh Tahapan Preprocessing pada Analisis Sentimen Media Sosial Berbahasa Indonesia. Jurnal Informatika, 10(2), 85–93. https://doi.org/10.31294/ji.v10i2.15432

Ridho, M. F., & Kurniawan, A. (2022). Perbandingan Algoritma Klasifikasi pada Analisis Sentimen Media Sosial. Jurnal RESTI, 6(1), 55–63. https://doi.org/10.29207/resti.v6i1.3821

Saputra, D., Ramadhan, A., & Maulana, I. (2022). Analisis Sentimen Komentar YouTube Menggunakan Logistic Regression. Jurnal Sisfokom, 11(2), 201–208. https://doi.org/10.32736/sisfokom.v11i2.1412

Sari, D. P., Hidayat, M., & Rahmawati, Y. (2022). Perbandingan Algoritma Machine Learning pada Analisis Sentimen Ulasan Film. Jurnal Media Informatika Budidarma, 6(3), 1450–1458. https://doi.org/10.30865/mib.v6i3.4237

Setiawan, Y., & Hidayat, F. (2021). Komparasi Algoritma Naïve Bayes dan Logistic Regression pada Analisis Sentimen Twitter. Jurnal Informatika, 9(2), 75–84. https://doi.org/10.31294/ji.v9i2.10231

Utami, V. P., & Kurnia, H. (2023). Analisis Sentimen TikTok Menggunakan Support Vector Machine dan Logistic Regression. Jurnal Komputasi, 11(2), 145–154. https://doi.org/10.23960/komputasi.v11i2.3456

Wibowo, P. S., & Aini, N. (2023). Analisis Sentimen Ulasan Pengguna TikTok dengan Pendekatan Machine Learning. Jurnal Data Science Indonesia, 2(2), 59–68. https://doi.org/10.47709/jdsi.v2i2.1987




DOI: https://doi.org/10.31932/jutech.v7i1.6628

Article Metrics

Abstract view : 1 times
PDF - 0 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Nurhabsah Nurhabsah, Nurdin Nurdin

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Creative Commons License
JUTECH: Journal Education and Technology is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.