Implementasi Algoritma Metode Naive Bayes dan Support Vector Machine Tentang Pembobolan dan Kebocoran Data di Twitter
-
Ahmad Zy
*
Universitas Pelita Bangsa,
Indonesia
- Wahyu Hadikristanto Universitas Pelita Bangsa, Indonesia
Abstract
Abstrak− Data breaches dan data leakage merupakan masalah yang semakin meningkat dalam dunia teknologi saat ini. Ada banyak diskusi yang terjadi di media sosial, terutama di Twitter, mengenai masalah ini. Dalam paper ini, kami menggunakan analisis sentimen untuk mengevaluasi persepsi publik terhadap masalah keamanan data dan kebocoran data di Twitter. Kami menggunakan algoritma Support Vector Machine (SVM) dan Naïve Bayes untuk melakukan klasifikasi sentimen pada teks yang diambil dari Twitter. Hasil dari penelitian ini akan memberikan gambaran yang lebih baik mengenai persepsi publik terhadap masalah keamanan data dan kebocoran data dan dapat digunakan oleh pihak yang berkepentingan untuk meningkatkan keamanan data Selanjutnya, paper ini akan mendeskripsikan metodologi yang digunakan dalam pengumpulan data dari Twitter, proses pre-processing data, dan implementasi algoritma SVM serta Naïve Bayes untuk melakukan klasifikasi sentimen. Kemudian, hasil dari analisis sentimen akan dianalisis dan dibahas secara mendalam, serta dibandingkan dengan hasil analisis sentimen yang dilakukan dengan metode lain. Pada paper ini didapatkan hasil perhitungan algorithma NaïveBayes dengan precision 97%, dan perhitungan dari algorithma SVM didapatkan hasil Precision sebesar 80%.Selain itu, paper ini juga akan mencakup kesimpulan dan saran untuk penelitian selanjutnya dalam bidang yang sama.
Kata Kunci: Data breaches, Data leakage, Teknologi, Media Sosial, Twitter, Analisis sentimen
References
[1] “Lagi-lagi Bocor Data, Kali Ini 1,3 Miliar Info Registrasi Kartu SIM.” https://www.cnnindonesia.com/teknologi/20220902062206-192-842221/lagi-lagi-bocor-data-kali-ini-13-miliar-info-registrasi-kartu-sim (accessed Jan. 25, 2023).
[2] A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “ANALISIS SENTIMEN APLIKASI RUANG GURU DI TWITTER MENGGUNAKAN ALGORITMA KLASIFIKASI,” Jurnal Teknoinfo, vol. 14, no. 2, p. 115, Jul. 2020, doi: 10.33365/jti.v14i2.679.
[3] A. Novantirani, M. S. Kania Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine.”
[4] U. Rofiqoh, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, vol. 1, no. 12, pp. 1725–1732, 2017, [Online]. Available: http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/628
[5] W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017.
[6] D. Rustiana and N. Rahayu, “Analisis Sentimen Pasar Otomotif Mobil: Tweet Twitter Menggunakan Naïve Bayes,” Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer, vol. 8, no. 1, pp. 113–120, 2017, doi: 10.24176/simet.v8i1.841.
[7] F. Fitriana, E. Utami, and H. al Fatta, “Analisis Sentimen Opini Terhadap Vaksin Covid - 19 pada Media Sosial Twitter Menggunakan Support Vector Machine dan Naive Bayes,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 19–25, 2021, doi: 10.31603/komtika.v5i1.5185.
[8] Y. Ramdhani and A. Mubarok, “Analisis Time Series Prediksi Penutupan Harga Saham Antm.Jk Dengan Algoritma SVM Model Regresi,” Jurnal Responsif: Riset Sains dan Informatika, vol. 1, no. 1, pp. 77–82, 2019.
[9] A. Akhtar, S. Javaid, S. Ejaz, and R. S. Satti, “Data Analysis of Educational Websites Using RapidMiner,” Online, 2019. [Online]. Available: http://preston.edu.pk/courses.php
[10] O. Somantri, “JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Sentimen Penilaian Tempat Tujuan Wisata Kota Tegal Berbasis Text Mining”, [Online]. Available: www.google.com/maps
[11] M. Syarifuddinn, “Analisis Sentimen Opini Publik Terhadap Efek Psbb Pada Twitter Dengan Algoritma Decision Tree, Knn, Dan Naïve Bayes,” INTI Nusa Mandiri, vol. 15, no. 1, pp. 87–94, 2020, doi: 10.33480/inti.v15i1.1433.
[12] A. Faisal, Y. Alkhalifi, A. Rifai, and W. Gata, “Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization,” JOINTECS (Journal of Information Technology and Computer Science), vol. 5, no. 2, p. 61, 2020, doi: 10.31328/jointecs.v5i2.1362.
[13] F. R. Rakhman, R. W. Ramadhani, and Y. A. Kuncoroyakti, “Analisis Sentimen Dan Opini Digital Kampanye 3M Di Masa Covid-19 Melalui Media Sosial Twitter,” Jurnal Ilmiah Ilmu Komunikasi, vol. 18, no. 01, pp. 08–20, 2021, [Online]. Available: https://komunikologi.esaunggul.ac.id/index.php/KM/article/view/301
[14] E. S. Negara, R. Andryani, and P. H. Saksono, “Analisis Data Twitter: Ekstraksi dan Analisis Data G eospasial,” Jurnal INKOM, vol. 10, no. 1, p. 27, Nov. 2016, doi: 10.14203/j.inkom.433.
[15] F. Prasetyo Nugroho, R. Wariyanto Abdullah, and S. Wulandari, “KEAMANAN BIG DATA DI ERA DIGITAL DI INDONESIA,” 2019.
[16] M. Dwi, S. Hadi, P. Widodo, and R. W. Putro, “Analisis Dampak Pandemi Covid 19 di Indonesia Ditinjau dari Sudut Pandang Keamanan Siber,” 2020.
[17] D. Alita, Y. Fernando, and H. Sulistiani, “IMPLEMENTASI ALGORITMA MULTICLASS SVM PADA OPINI PUBLIK BERBAHASA INDONESIA DI TWITTER,” Jurnal TEKNOKOMPAK, vol. 14, no. 2, p. 86, 2020.
[18] A. Damuri, U. Riyanto, H. Rusdianto, and M. Aminudin, “Implementasi Data Mining dengan Algoritma Naïve Bayes Untuk Klasifikasi Kelayakan Penerima Bantuan Sembako,” JURIKOM (Jurnal Riset Komputer), vol. 8, no. 6, p. 219, Dec. 2021, doi: 10.30865/jurikom.v8i6.3655.
[19] A. Supriadi, “Implementasi Metode Klasifikasi Naive Bayes Pada Sistem Analisis Opini Pengguna Twitter Berbasis Web.”
[20] N. N. Neto, S. Madnick, M. G. de Paula, and ..., “A case study of the capital one data breach,” … One Data Breach …, 2020, [Online]. Available: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3542567
[21] A. B. P. Negara, H. Muhardi, and I. M. Putri, “Analisis Sentimen Maskapai Penerbangan Menggunakan Metode Naive Bayes dan Seleksi Fitur Information Gain,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 3, p. 599, 2020, doi: 10.25126/jtiik.2020711947.
[22] W. A. Luqyana, I. Cholissodin, and R. S. Perdana, “Analisis Sentimen Cyberbullying Pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (J-PTIIK) Universitas Brawijaya, vol. 2, no. 11, pp. 4704–4713, 2018.
Copyright (c) 2023 Ahmad Zy, Wahyu Hadikristanto
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).
.png)
.png)
