Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM)

Penulis

Primandani Arsi, Retno Waluyo

Abstrak

Dewasa ini, media sosial berkembang pesat di internet, salah satu yang banyak digemari adalah Twitter. Berbagai topik ramai diperbincangkan di Twitter mulai dari ekonomi, politik, sosial, budaya, hukum dan lain-lain. Salah satu topik yang ramai diperbincangkan di Twitter adalah terkait isu pemindahan ibu kota Indonesia. Namun dibalik hal tersebut terdapat kontroversi dari  pihak yang merasa  pro dan kontra, masing-masing memiiki sudut pandang yang berbeda.  Hal ini menyebabkan munculnya fenomena perdebatan khususnya di Twitter yang sebenarnya menunjukkan perhatian kolektif mengenai wacana publik tersebut. Analisis sentimen adalah proses mengekstraksi, memahami dan mengolah data berupa teks yang tidak terstruktur secara otomatis guna mendapatkan informasi sentimen yang terdapat pada sebuah kalimat pendapat atau opini. Dalam penerapan analisis sentimen menggunakan metode machine learning terdapat beberapa metode yang sering digunakan. Dalam penelitian ini diusulkan metode Support Vector Machine (SVM) untuk diterapkan pada tweets topik pemindahan ibu kota Indonesia untuk tujuan klasifikasi kelas sentimen pada media sosial twitter. Teknis klasifikasi  dilakukan dengan cara mengklasifikasikan menjadi 2 kelas yakni positif dan negatif. Berdasarkan hasil pengujian yang dilakukan terhadap tweets sentimen pemindahan ibu kota dari media sosial twitter sebanyak 1.236 tweets (404 positif dan 832 negatif) menggunakan SVM diperoleh akurasi =96,68%, precision=95.82%, recall=94.04% dan AUC = 0,979.

 

Abstract

Today, social media is growing fast on the internet.One of the most popular social media is Twitter. Many topics are discussed on Twitter such as economic, politic, social, culture, and law. One of the hot topics discussed on Twitter is the issue of relocating Indonesia's capital city. However, there is controversy from supporters and opponents. They have different views. This issue leads to a phenomenon of debate on Twitter that actually shows a collective concern about the public discourse. Sentiment analysis is a process of extracting, understanding and processing unstructured data to get sentiment information which is found in an opinion sentence. Application of sentiment analysis using machine learning methods shows that there are several methods that are often used. In this study, the Support Vector Machine (SVM) method is proposed to be applied to tweets on the topic of relocating Indonesia's capital city for sentiment classification on social media twitter. The classification technique is carried out into 2 classes, namely positive and negative. Based on testing on the sentiment of relocating Indonesia's capital city from social media twitter from 1,116 tweets (404 positive and 832 negative) using SVM obtained accuracy = 96.68%, precision = 95.82%, recall = 94.04% and AUC = 0.979.

Teks Lengkap:

PDF

Referensi


ALKHALDI, S., ALZUAIBI, S., ALQAHTANI, R., ALSHAMMARI, A., ALYOUSIF, F., ALBOANEEN, D.A. & ALMELIHI, M., 2020. Twitter Sentiment Analysis on Activities of Saudi General Entertainment Authority. Journal of Auckland University of Technology, pp.2–6.

ANDRIANI, F., 2018. FENOMENA SOCIAL CIMBER MELALUI TWITWAR. Jurnal Pustaka Komunikasi, 1(2), pp.349–360.

AZZAHRA, S.A. & WIBOWO, A., 2020. Analisis Sentimen Multi-Aspek Berbasis Konversi Ikon Emosi Dengan Algoritme Naïve Bayes Untuk Ulasan Wisata Kuliner Pada Multi-Aspect Sentiment Analysis Based On Emoticon Conversion With Naïve Bayes Algorithm For Culinary Tourism Review On Tripadvisor Web. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(4), pp.737–743.

BRAHIMI, B., TOUAHRIA, M. & TARI, A., 2019. Improving sentiment analysis in Arabic: A combined approach. Journal of King Saud University - Computer and Information Sciences. [online] Available at: .

FAUZI, M.A., 2018. Random Forest Approach fo Sentiment Analysis in Indonesian Language. Indonesian Journal of Electrical Engineering and Computer Science, 12(1), pp.46–50.

HAN, J., KAMBER, M. & PEI, J., 2012. Data mining: concepts and techniques. Third Edit ed. [online] Morgan Kaufmann, USA: Elsevier. Available at: .

KUSEN, E. & STEMBECK, M., 2018. Politics , sentiments , and misinformation : An analysis of the Twitter discussion on the 2016 Austrian Presidential Elections. Online Social Networks and Media, [online] 5, pp.37–50. Available at: .

LUKMANA, D.T., SUBANTI, S. & SUSANTI, Y., 2019. Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter. In: Seminar Nasional Penelitian Pendidikan Matematika. pp.154–160.

MAS’UDAH, E., DYAR, E. & ANJANI, A., 2020. Analisis Sentimen : Pemindahan Ibu Kota Indonesia Pada Twitter. Jurnal Informatika dan Sistem Informasi (JIFoSI), 1(2), pp.397–401.

MUJILAHWATI, S., 2016. Pre-Processing Text Mining Pada Data Twitter. Yogyakarta: SENTIKA.pp.49–56.

Nazir, M., 2017. Metode Penelitian. Bogor: Ghalia Indonesia.

NOVANTIRANI, A., SABARIAH, M.K. and EFFENDY, V., 2015. Analisis Sentimen pada Twitter untuk Mengenai Penggunaan Transportasi Umum Darat Dalam Kota dengan Metode Support Vector Machine. In: e-Proceeding of Engineering. pp.1177–1183.

ÖZTURK, N. & AYVAZ, S., 2017. Sentiment Analysis on Twitter : A Text Mining Approach to the Syrian Refugee Crisis. Telematics and Informatics, [online] (October). Available at: .

PANDEY, A.C., RAJPOOT, D.S. & SARASWAT, M., 2017. Twitter sentiment analysis using hybrid cuckoo search method. Information Processing and Management, 53, pp.764–779.

PRATAMA, S.F., ANDREAN, R. & NUGROHO, A., 2019. Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis. Journal of Information Technology and Computer Science, 4(2).

PRIYATNO, A.M., MUTTAQI, M.M., SYUHADA, F. and ARIFIN, A.Z., 2019. Deteksi Bot Spammer Twitter Berbasis Time Interval Entropy dan Global Vectors for Word Representations Tweet ’ s Hashtag. Jurnal Ilmiah Teknologi Sistem Informasi, 1(Juni), p.37.

QIU, J., LIN, Z. & SHUAI, Q., 2019. Investigating the Opinions Distribution in the Controversy on Social Media. Information Sciences. [online] Available at: .

ROZI, I.F., PRAMONO, S.H. & DAHLAN, E.A., 2012. Implementasi Opinion Mining ( Analisis Sentimen ) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi. Jurnal EECCIS, 6(1), pp.37–43.

SEPTIANA, D., 2018. Palangka Raya the Capital City of Indonesia : Critical Discourse Analysis on News about Moving the Capital City from Jakarta. Advances in Social Science, Education and Humanities, 280, pp.190–202.

SIRINGORINGO, R. and JAMALUDDIN, 2019. Text Mining dan Klasterisasi Sentimen Pada Ulasan Produk Toko Online. Jurnal Penelitian Teknik Informatika Universitas Prima Indonesia (UNPRI) Medan, 2(2), pp.1–6.

TERAN, L. & MANCERA, J., 2019. Dynamic profiles using sentiment analysis and twitter data for voting advice applications. Government Information Quarterly, [online] (February 2018), pp.1–16. Available at: .

THAKUR, R.K. & DESHPANDE, M. V, 2019. Kernel Optimized-Support Vector Machine and Mapreduce framework for sentiment classification of train reviews. Indian Academi of Science, [online] 44(1), pp.1–14. Available at: .

TOUN, N.R., 2018. Analisis Kesiapan Pemerintah Provinsi Kalimantan Tengah dalam Wacana Pemindahan Ibu Kota Negara Republik Indonesia ke Kota Palangkaraya. Jurnal Academia Praja, 1, pp.129–148.

Utama, H.S., Rosiyadi, D., Prakoso, B.S. and Ariadarma, D., 2019. Analisis Sentimen Sistem Ganjil Genap di Tol Bekasi Menggunakan Algoritma Support Vectore Machine. Jurnal RESTI, 1(10), pp.2–8.

WANG, Q., LIU, K. & MA, K., 2019. Emotional Analysis of Public Opinions in Colleges and Universities : Based on Naive Bayesian Classification Method. Journal of Physics.

YANTI, D.S.A., INDRIATI & ADIKARA, P.P., 2019. Analisis Sentimen Tentang Kebijakan Ganjil Genap Kendaraan Bermotor di DKI Jakarta Pada Twitter Menggunakan BM25 dan K-Nearest Neighbor. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer (JPTIIK), 3(3), pp.2626–2631.

ZUHDI, A.M., UTAMI, E. & RAHARJO, S., 2019. Analisis Sentimen Twitter Terhadap Capres Indonesia 2019 Dengan Metode K-Nn. Jurnal Informa Politeknik Indonusa Surakarta, 5(2), pp.1–7.

ZULFA, I. and WINARKO, E., 2017. Sentimen Analisis Tweet Berbahasa Indonesia dengan Deep Belief Network. IJCCS, 11(2), pp.187–189.




DOI: http://dx.doi.org/10.25126/jtiik.0813944