Analisis Sentimen Pindah Ibu Kota Berbasis Naive Bayes Classifier
Abstract
Perkembangan media sosial memudahkan pengguna dalam percepatan akses informasi di internet. Akses informasi yang awalnya sulit diperoleh begitu mudah sekarang ini. Media sosial memungkinkan penggunanya tidak hanya mengonsumsi tapi juga berpartisipasi, membuat, mengomentari dan menyebarkan beragam konten dalam berbagai format. Banyak media sosial yang berkembang di internet, salah satu yang banyak digemari adalah Twitter. Twitter merupakan media sosial yang memungkinkan para penggunanya untuk berinteraksi secara personal ataupun terbuka. Melalu fitur hashtag para pengguna Twitter dapat mengetahui topik yang sedang dibahas secara real-time. Selain itu kata kunci pada Twitter dapat pula menjadi sumber perbincangan oleh pengguna. Salah satu topik yang ramai diperbincangkan di Twitter adalah terkait issue pemindahan ibu kota Indonesia. Namun dibalik hal tersebut terdapat kontroversi dari pihak yang merasa pro dan kontra, masing-masing memiiki sudut pandang sendiri. Hal ini menyebabkan munculnya fenomena perdebatan khususnya di Twitter yang sebenarnya menunjukkan perhatian kolektif mengenai wacana publik. Kecenderungan pengguna Twitter dalam memposting konten dapat diketahui dengan cara analisa sentiment. Pada penelitian ini diusulkan metode Naive Bayes Classifier (NBC) untuk menganalisa sentimen terhadap wacana pemerintah di media massa online Twitter pada topik pemindahan ibukota Indonesia dengan cara mengklasifikasikan menjadi positif, dan negatif. Hasil penelitian ini menunjukkan bahwa nilai akurasi yang diperoleh sebesar 94,33%. Dengan dilakukannya analisa sentimen ini diharapkan dapat diketahui permasalahan yang terdapat pada kontroversi topik pemindahan ibukota, sehingga dapat dijadikan sebagai bahan evaluasi untuk kepentingan lebih lanjut.
Keywords
Full Text:
PDFReferences
M. Safiullah, P. Pathak, S. Singh, and A. Anshul, “Social media as an upcoming tool for political marketing effectiveness,” Asia Paci fi c Manag. Rev., vol. 22, pp. 10–15, 2017.
K. Sailunaz and R. Alhajj, “Emotion and Sentiment Analysis from Twitter Text,” J. Comput. Sci., 2019.
D. Neu, G. Saxton, A. Rahaman, and J. Everett, “Twitter and social accountability : Reactions to the Panama Papers,” Crit. Perspect. Account., vol. 61, pp. 38–53, 2019.
I. Zulfa and E. Winarko, “Sentimen Analisis Tweet Berbahasa Indonesia dengan Deep Belief Network,” IJCCS, vol. 11, no. 2, 2017.
F. K. Ningrum and M. M. Syarah, “INSTAGRAM DAN TWITTER SEBAGAI STRATEGI HUMAS PT JASA MARGA (PERSERO) TBK DALAM MENINGKATKAN PELAYANAN,” J. Commun. Sci. Islam. Da’wah, vol. 2, no. 2, pp. 122–133, 2018.
L. Terán and J. Mancera, “Dynamic profiles using sentiment analysis and twitter data for voting advice applications,” Gov. Inf. Q., no. February 2018, pp. 1–16, 2019.
E. Kušen and M. Strembeck, “Politics , sentiments , and misinformation : An analysis of the Twitter discussion on the 2016 Austrian Presidential Elections,” Online Soc. Networks Media, vol. 5, pp. 37–50, 2018.
N. Öztürk and S. Ayvaz, “Sentiment Analysis on Twitter : A Text Mining Approach to the Syrian Refugee Crisis,” Telemat. Informatics, no. October, 2017.
A. M. Priyatno, M. M. Muttaqi, F. Syuhada, and A. Z. Arifin, “Deteksi Bot Spammer Twitter Berbasis Time Interval Entropy dan Global Vectors for Word Representations Tweet ’ s Hashtag,” J. Ilm. Teknol. Sist. Inf., no. June, 2019.
A. C. Pandey, D. S. Rajpoot, and M. Saraswat, “Twitter sentiment analysis using hybrid cuckoo search method,” Inf. Process. Manag., vol. 53, pp. 764–779, 2017.
D. Septiana, “Palangka Raya the Capital City of Indonesia : Critical Discourse Analysis on News about Moving the Capital City from Jakarta,” Adv. Soc. Sci. Educ. Humanit., vol. 280, no. Basa, pp. 190–202, 2018.
N. R. Toun, “Analisis Kesiapan Pemerintah Provinsi Kalimantan Tengah dalam Wacana Pemindahan Ibu Kota Negara Republik Indonesia ke Kota Palangkaraya,” J. Acad. Praja, vol. 1, pp. 129–148, 2018.
F. Andriani, “FENOMENA SOCIAL CIMBER MELALUI TWITWAR,” J. Pustaka Komun., vol. 1, 2018.
S. F. Pratama, R. Andrean, and A. Nugroho, “Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis,” J. Inf. Technol. Comput. Sci., vol. 4, no. 2, 2019.
A. Novantirani, M. K. Sabariah, and V. Effendy, “Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine,” in Proceeding of Engineering, 2015, vol. 2, no. 1, pp. 1177–1183.
I. F. Rozi, H. S. Pramono, and E. A. Dahlan, “Implementasi Opinion Mining ( Analisis Sentimen ) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi,” J. EECCIS, vol. 6, no. 1, pp. 37–43, 2012.
D. T. Lukmana, S. Subanti, and Y. Susanti, “ANALISIS SENTIMEN TERHADAP CALON PRESIDEN 2019 DENGAN SUPPORT VECTOR MACHINE DI TWITTER,” in SEMINAR NASIONAL PENELITIAN PENDIDIKAN MATEMATIKA, 2019, pp. 154–160.
F. Tang, L. Fu, B. Yao, and W. Xu, “Aspect based fine-grained sentiment analysis for online reviews,” Inf. Sci. (Ny)., 2019.
F. Ali et al., “Transportation Sentiment Analysis Using Word Embedding and Ontology-based Topic Modeling,” Knowledge-Based Syst., 2019.
J. Qiu, Z. Lin, and Q. Shuai, “Investigating the Opinions Distribution in the Controversy on Social Media,” Inf. Sci. (Ny)., 2019.
A. M. Zuhdi, E. Utami, and S. Raharjo, “ANALISIS SENTIMEN TWITTER TERHADAP CAPRES INDONESIA 2019 DENGAN METODE K-NN,” J. Inf. Politek. Indonusa Surakarta, vol. 5, pp. 1–7, 2019.
Q. Wang, K. Liu, and K. Ma, “Emotional Analysis of Public Opinions in Colleges and Universities : Based on Naive Bayesian Classification Method,” J. Phys., 2019.
M. A. Fauzi, “Random Forest Approach fo Sentiment Analysis in Indonesian Language,” Indones. J. Electr. Eng. Comput. Sci., vol. 12, no. 1, pp. 46–50, 2018.
R. K. Thakur and M. V Deshpande, “Kernel Optimized-Support Vector Machine and Mapreduce framework for sentiment classification of train reviews,” Indian Acad. Sci., vol. 44, no. 1, pp. 1–14, 2019.
L. Oktasari, Y. H. Chrisnanto, and Yuniarti, “Text Mining Dalam Analisis Sentimen Asuransi Menggunakan Metode Naive Bayes Classifier,” in Prosiding SNST, 2016, pp. 37–42.
D. Xhemali, C. J. Hinde, and R. G. Stone, “Naïve Bayes vs . Decision Trees vs . Neural Networks in the Classification of Training Web Pages,” Int. J. Comput. Sci. Issues, vol. 4, no. 1, pp. 16–23, 2009.
M. Bilal, H. Israr, M. Shahid, and A. Khan, “Sentiment classification of Roman-Urdu opinions using Naıve Bayesian , Decision Tree and KNN classification techniques,” J. King Saud Univ. - Comput. Inf. Sci., vol. 28, no. 3, pp. 330–344, 2015.
V. A. Fitri, R. Andreswari, and M. A. Hasibuan, “Sentiment Analysis of Social Media Twitter with Case of Anti- LGBT Campaign in Indonesia using Naïve Bayes , Decision Tree , and Random Forest Algorithm Algorithm,” Procedia Comput. Sci., vol. 161, pp. 765–772, 2019.
M. M. Ismail and K. M. Lhaksamana, “Sentimen Analisis Pada Media Online Mengenai Pemilihan Presiden 2019 Dengan Menggunakan Metode Naive Bayes,” in e-proceeding of engineering, 2019, vol. 6, no. 2, pp. 9997–10004.
B. Haryanto et al., “Facebook Analysis of Community Sentiment on 2019 Indonesian Facebook Analysis of Community Sentiment on 2019 Indonesian Presidential Candidates from Facebook Opinion Data Presidential Candidates from Facebook Opinion Data,” in Procedia Computer Science, 2019, vol. 161, pp. 715–722.
G. A. Buntoro, “ANALISIS SENTIMEN CALON GUBERNUR JAWA TIMUR 2018 DENGAN METODE NAIVE BAYES CLASSIFIER,” J. Informatics Peita Nusant., vol. 4, no. 1, 2019.
F. V. Sari and A. Wibowo, “ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD . ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019.
M. J. Sánchez-franco, A. Navarro-garcía, and F. J. Rondán-cataluña, “A naive Bayes strategy for classifying customer satisfaction : A study based on online reviews of hospitality services,” J. Bus. Res., no. June, pp. 0–1, 2018.
DOI: https://doi.org/10.26877/jiu.v7i1.7636
Refbacks
- There are currently no refbacks.
Copyright (c) 2021 Primandani Arsi
Jurnal Informatika Upgris by Program Studi Informatika UPGRIS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.