Analisis sentimen ujaran kebencian pemilihan presiden 2019 menggunakan algoritme Naïve Bayes
Bilah Samping Artikel
Isi Artikel Utama
Abstrak
Media sosial dapat memberikan gambaran secara umum opini yang terjadi didalam masyarakat, termasuk dalam pemilihan presiden 2019. Hal ini mengakibatkan bahwa data yang terkumpul dari media sosial sangat menarik untuk dianalisa guna mengetahui bagaimana suatu opini yang terjadi di masyarakat. Pengumpulan data harus memakai metode tertentu agar menghasilkan keakuratan opini yang terjadi di masyarakt. Penelitian ini mempergunakan teknik pengumpulan data dengan metode multistage random, berdasarkan data dari situs semiocast terhadap keaktifan postingan twitter di bebrapa kota besar di Indonesia, yaitu Jakarta, Bandung, Semarang, Surabaya, Yogyakarta. Pengambilan data berdasarkan kata kunci pilpres 2019 yang dilakukan dibeberapa kota di Indonesia diperoleh sebanyak 5055 data. Data ini kemudian di klasisikasi berdasarkan kategori ujaran kebencian dengan mempergunakan algoritma Naive Bayes Classifier dan pembobotan TF-IDF. Hasil yang diperoleh dari klasifikasi ini menunjukkan bahwa sentimen irrelevant sebanyak 11,3% dengan 573 data, sentimen negatif sebanyak 35,4% dengan 1786 data, sentimen netral sebanyak 26,7% sebanyak 1350 data dan sentimen positif sebanyak 26,6% sebanyak 1343 data. Sentimen negatif pada lima kota tersebut, memperoleh skor tertinggi dengan nilai sebesar 35,4%. Distribusi sentimen negatif pada lima kota yang dijadikan sample menunjukkan bahwa di Jakarta sentimen negatif sebesar 33,8%, Bandung sentimen negatif sebesar 65,4%., Surabaya sentimen positif sebesar 37,2 %, Yogyakarta dengan sentimen negatif sejumlah 51,8%. dan Semarang dengan sentimen negatif 61,7%.
##plugins.themes.bootstrap3.displayStats.downloads##
Rincian Artikel
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Hak cipta pada setiap artikel adalah milik penulis, dan penulis mengakui bahwa Jnanaloka sebagai pihak yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution (CC BY). Lisensi ini mengijinkan untuk, Berbagi yakni menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun; dan Adaptasi yakni menggubah, mengubah, dan membuat turunan dari materi iniuntuk kepentingan apapun, termasuk kepentingan komersial dengan ketentuan Atribusi
Cara Mengutip
Referensi
A. Agarwal, B. Xie, I. Vovsha, O. Rambow, and R. J. Passonneau, “Sentiment analysis of twitter data,” in Proceedings of the Workshop on Language in Social Media (LSM 2011), 2011, pp. 30–38.
D. Farber, “Twitter hits 400 million tweets per day, mostly mobile.” [Online]. Available: https://www.cnet.com/news/twitter-hits-400-million-tweets-per-day-mostly-mobile/
A. Pak and P. Paroubek, “Twitter as a corpus for sentiment analysis and opinion mining.”inLREc, vol. 10, no. 2010, 2010, pp. 1320–1326.
Semiocast, “Geolocation analysis of twitter accounts and tweets by semiocast.” [Online].Available: https://semiocast.com/en/publications/2012_07_30_Twitter_reaches_half_a_billion_accounts_140m_in_the_US
F. Handayani and F. S. Pribadi, “Implementasi algoritma naive bayes classifier dalampengklasifikasian teks otomatis pengaduan dan pelaporan masyarakat melalui layanancall center 110,”Jurnal Teknik Elektro, vol. 7, no. 1, pp. 19–24, 2015.
S. Natalius, “Metoda naïve bayes classifier dan penggunaannya pada klasifikasi dokumen,”Makalah II2092 Probabilitas dan Statistik – Sem. I Tahun 2010/2011, vol. 2010, 2010.
S. L. B. Ginting and R. P. Trinanda, “Teknik data mining menggunakan metode bayesclassifier untuk optimalisasi pencarian pada aplikasi perpustakaan (studi kasus: Perpus-takaan universitas pasundan–bandung),”Jurnal Teknologi dan Informasi, vol. 3, no. 2,pp. 37–50, 2013.
M. S. Mustafa, M. R. Ramadhan, and A. P. Thenata, “Implementasi data mining untukevaluasi kinerja akademik mahasiswa menggunakan algoritma naive bayes classifier,”Creative Information Technology Journal, vol. 4, no. 2, pp. 151–162, 2018.
A. F. Hidayatullah, A. S. Azhari et al., “Analisis sentimen dan klasifikasi kategori terhadap tokoh publik pada twitter,” in Seminar Nasional Informatika 2014. " Veteran" University of National Development Yogyakarta.
A. F. Hidayatullah, “Pengaruh stopword terhadap performa klasifikasi tweet berbahasa indonesia,” JISKA (Jurnal Informatika Sunan Kalijaga), vol. 1, no. 1, 2016.
P. Pitria, “Analisis sentimen pengguna twitter pada akun resmi samsung indonesia dengan menggunakan naïve bayes,” Ph.D. dissertation, Universitas Komputer Indonesia, 2014.
R. Kohavi et al., “A study of cross-validation and bootstrap for accuracy estimation and model selection,” in Ijcai, vol. 14, no. 2. Montreal, Canada, 1995, pp. 1137–1145.
D. Jufarsky, J. H. Martin, D. Jufarsky, and J. H. Martin, “Speech and language processing: an introduction to natural language processing, computational linguistics, and speech recognition,” 2000.