Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine

Tanthy Tawaqalia Widowati - [ https://orcid.org/0000-0002-1920-296X ]
Mujiono Sadikin

Abstract


Salah satu media sosial yang berkembang adalah Twitter. Media sosial Twitter mempermudah masyarakat untuk bebas berpendapat melalui cuitan atau biasa disebut dengan tweets. Netizen dengan bebas menyampaikan opini pribadinya untuk topik apapun, termasuk persepsi terhadap tokoh publik. Artikel ini menyajikan hasil penelitian dan analisis sentimen masyarakat (netizen) terhadap tokoh publik, Nadiem Makariem sebagai Menteri Kementerian Pendidikan dan Kebudayaan baru. Penelitian ini menggunakan teknik data mining yang bertujuan untuk membandingkan hasil klasifikasi dari opini masyarakat yang dituliskan di Twitter. Dataset yang digunakan berasal dari tweets dengan kata kunci ”nadiem makariem”, ”kemendikbud” dan ”pak nadiem”. Tools RapidMiner digunakan untuk membantu tahap pre-processing dan klasifikasi menggunakan dua metode yaitu, Naive Bayes dan Support Vector Machine dengan evaluasi k-fold cross-validation. Dari hasil ujicoba diketahui bahwa untuk kasus yang diteliti, metode Naive Bayes menghasilkan kinerja yang lebih baik dengan accuracy 91.48%,  precision 89.28%  dan recall 91.58%.


Keywords


analisis sentimen;opinion mining;naïve bayes;SVM;twitter;nadiem makariem

Teks Lengkap:

PDF

Referensi


Indonesia Peringkat Lima Pengguna Twitter [Internet]. Available from: https://kominfo.go.id/content/detail/2366/indonesia-peringkat-lima-pengguna-twitter/0/sorotan_media

Daftar Pencarian Populer di Google Sepanjang Tahun 2019 [Internet]. Available from: https://teknologi.id/tekno/daftar-pencarian-populer-di-google-sepanjang-tahun-2019

Afshoh, F. 2017. "Analisa Sentimen Menggunakan Naive Bayes Untuk Melihat Persepsi Masyarakat Terhadap Kenaikan Harga Jual Rokok Pada Media Sosial Twitter".

Rozi, I., Pramono, S., Dahlan, E. 2012. ”Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi". Jurnal EECCIS. 6. 1, 37–43.

Firdaus, D. 2017. "Penggunaan Data Mining dalam Kegiatan Sistem Pembelajaran Berbantuan Komputer". Jurnal Format. 6. 2, 91–7.

Ruhyana, N. 2019. "Analisis Sentimen Terhadap Penerapan Sistem Plat Nomor Ganjil / Genap Pada Twitter Dengan Metode Klasifikasi Naive Bayes". Jurnal IKRA-ITH Informatika. 3. 1, 94–9.

Rusdiaman, D., Rosiyadi, D. 2019. "Analisa Sentimen terhadap Tokoh Publik Menggunakan Metode Naïve Bayes Classifier Dan Support Vector Machine". Journal of Computer Engineering System and Science. 4. 2, 230–235.

Vidya, NA. 2015. "Twitter Sentiment Analysis terhadap Brand Reputation: Studi Kasus PT XL Axiata Tbk. Universitas Indonesia".

Bayhaqy, A., et al. 2018. "Sentiment Analysis about E-Commerce from Tweets Using Decision Tree, K-Nearest Neighbor, and Naïve Bayes". International Conference on Orange Technologies, ICOT 1–6.

Salam, A., Zeniarja, J., Khasanah, RSU. 2018. "Analisis Sentimen Data Komentar Sosial Media Facebook Dengan K-Nearest Neighbor (Studi Kasus Pada Akun Jasa Ekspedisi Barang J&T Ekpress Indonesia)". Prosiding SINTAK. 480–6.

Gumilang, ZAN. 2018. "Implementasi Naive Bayes Classifier dan Asosiasi untuk Analisis Sentimen Data Ulasan Aplikasi E-Commerce Shopee pada Situs Google Play".

Manning, CD., Raghavan, P., Schütze, H. (2009). An Introduction to Information Retrieval. Vol. 38, Cambridge University Press. Cambridge University Press: 156–164 .

Adi, S. 2018. "Perancangan Klasifikasi Tweet Berdasarkan Sentimen Dan Fitur Calon Gubernur DKI Jakarta 2017". Journal Of Informatic Pelita Nusantara. 3. 1, 10–16.

Tripathi, P., Vishwakarma, SK., Lala, A. 2016. "Sentiment Analysis of English Tweets Using Rapid Miner". Proceedings - International Conference on Computational Intelligence and Communication Networks, CICN. 668–672.

Basari, ASH., et al. 2013. "Opinion Mining of Movie Review Using Hybrid Method of Support Vector Machine And Particle Swarm Optimization". Procedia Engineering. 53, 453–462.

Ramayanti, D., Salamah, U. 2018. "Complaint Classification Using Support Vector Machine for Indonesian Text Dataset". International Journal of Scientific Research in Computer Science, Engineering and Information Technology. 3. 7, 179–184.

Aggarwal, CC., Xhai, C. (2012). Mining Text Data. Kluwer Academic Publishers. Vol 8. 77–128 .




DOI: https://doi.org/10.24176/simet.v11i2.4568

Article Metrics

Abstract views : 1170| PDF views : 586

Refbacks

  • Saat ini tidak ada refbacks.


free hit counter View My Stats

Indexed by:

 

Flag Counter

Creative Commons License
Simetris : Jurnal Teknik Mesin, Elektro dan Ilmu Komputer is licensed under a Creative Commons Attribution 4.0 International License.

Dedicated to: