Analisa Sentimen Pada Twitter Terhadap Kenaikan Tarif Dasar Listrik Dengan Metode Naïve Bayes
DOI:
https://doi.org/10.32815/jitika.v15i2.557Kata Kunci:
Sentimen Analisis, Twitter, Klasifikasi, Naive BayesAbstrak
Seiring dengan berkembangnya teknologi internet, makin menjamur pula penggunaan sosial media di masyarakat. Sosial media yang masih banyak digemari yaitu twitter. Twitter memberikan layanan kepada penggunanya untuk mengirim dan membaca tweets yang telah dibagikan, sehingga masyarakat lebih memilih menuangkan opininya melalui media sosial daripada menyampaikannya secara langsung. Opini masyarakat yang tertuang dalam media sosial twitter berupa sebuah persepsi, baik itu positif maupun negatif. Melimpahnya opini masyarakat dapat dimanfaatkan sebagai bahan penelitian untuk mencari sebuah informasi. Pemanfaatan informasi tersebut membutuhkan teknik analisis yang tepat sehingga informasi yang dihasilkan mampu membantu banyak pihak dalam mengambil sebuah keputusan. Untuk mengatasi permasalahan di atas digunakan teknik data mining yang tepat yaitu sentimen analisis. Oleh sebab itu, pada penelitian ini mencoba melakukan analisa sentimen untuk melihat persepsi masyarakat terhadap isu kenaikan tarif dasar listrik pada media sosial twitter menggunakan metode baïve bayes dengan mengklasifikasikan sentimen menjadi positif, negatif dan netral. Dari hasil penelitian yang telah dilakukan dapat diketahui bahwa sentimen negatif paling banyak terbentuk dalam menanggapi isu kenaikan tarif dasar listrik.
Kata Kunci: Sentimen Analisis, Twitter, Klasifikasi, Naive Bayes
Unduhan
Referensi
Feldman, R and Sanger, J. 2007. The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. Cambridge University Press:NewYork.
Gunawan, B., Sastypratiwi, H., & Pratama, E. E. (2018). Sistem Analisis Sentimen pada Ulasan Produk Menggunakan Metode Naive Bayes. JEPIN (Jurnal Edukasi dan Penelitian Informatika), 4(2), 113-118.
Hadna, Nurrun Muchammad Shiddieqy, Santosa, Paulus Insap dan Winarno, Wing Wahyu.2016. Studi Literatur Tentang Perbandingan Metode Untuk Proses Analisis Sentimen Di Twitter.Seminar Nasional Teknologi Informasi dan Komunikasi 2016 (SENTIKA 2016) Yogyakarta, 18-19 Maret 2016.
Hidayatullah, A. F. (2016). Twitter sebagai media dakwah. Teknoin, 22(1).
Indrayuni, E. (2016). Analisa Sentimen Review Hotel Menggunakan Algoritma Support Vector Machine Berbasis Particle Swarm Optimization. EVOLUSI: Jurnal Sains dan Manajemen, 4(2).
Kumar, Lokesh and Bhatia, Parul Kalra. 2015. Text Minig: Consepts, Process And Application. Journal of Global Research in Computer Science. Volume 4, No. 3, March 2013
Kusrini dan Luthfi, Emha Taufiq. 2010. Algoritma Data Mining.Penerbit Andi:Yogyakarta
Ling, Juen, Kencana, I Putu Eka N dan Oka, Tjokorda Bagus.2014. Analisis Sentimen Menggunakan Metode Naïve Bayes Classifier Dengan Seleksi Fitur Chi Square.E-Jurnal Matematika Vol. 3 (3), Agustus 2014.
Liu, Bing. 2012. Sentiment Analysis and Opinion Mining. Morgan & Claypool Publisher:San Rafael, California
Mardiana, T., Adji, T. B., & Hidayah, I. (2016). Stemming influence on similarity detection of abstract written in Indonesia. Telkomnika, 14(1), 219.
Medhat, Walaa, Hassan, Ahmed, & Korashy, Hoda.2014. Sentiment Analysis Algorithms And Applications: A Survey. Ain Shams Engineering Journal (2014) 5, 1093-1113
Novitasari, D. (2017). Perbandingan Algoritma Stemming Porter dengan Arifin Setiono untuk Menentukan Tingkat Ketepatan Kata Dasar. STRING (Satuan Tulisan Riset dan Inovasi Teknologi), 1(2), 120-129.
Sadida, Rizqon dkk.2017. Perancangan Sistem Analisis Sentimen Masyarakat Pada Sosial Media Dan Portal Berita.Seminar Nasional Teknologi Informasi dan Multimedia 2017 STMIK AMIKOM Yogyakarta, 4 Februari 2017.
Setiawan, R. A., & Setyohadi, D. B. (2017). Analisis Komunikasi sosial media twitter sebagai saluran layanan pelanggan provider internet dan Seluler di Indonesia. Journal of Information Systems Engineering and Business Intelligence, 3(1), 16-25.
Widodo, P., Putra, J. A., Afiadi, S., Arifin, A. Z., & Herumurti, D. (2016). Klasifikasi Kategori Dokumen Berita Berbahasa Indonesia dengan Metode Kategorisasi Multi-Label Berbasis Domain Specific Ontology. Jurnal Ilmiah Teknologi Infomasi Terapan, 2(2).
Younis, Eman M.G .2015. SentimentAnalysis and Text Mining for Social Media Microblogs using Open Source Tools: An Empirical Study.International Journal of Computer Applications (0975 - 8887). Volume 112 - No. 5, February 2015
Unduhan
Diterbitkan
Cara Mengutip
Terbitan
Bagian
Lisensi
Penulis mengirimkan naskah dan pengertian bahwa jika diterima untuk proses dipublikasi, hak cipta dari artikel tersebut akan diberikan kepada jurnal ilmiah teknologi informasi asia. Jurnal ilmiah teknologi informasi asia dan Lp2m Stmik Asia Malang sebagai penerbit jurnal, komponen Hak cipta mencakup hak untuk mereproduksi dan mengirimkan artikel dalam semua bentuk dan media, termasuk cetak ulang, foto, mikrofilm, dan reproduksi serupa lainnya, serta terjemahannya.
Jurnal ilmiah teknologi infomasi asia, dan Lp2m ITB Asia Malang, beserta jajaran para redaksi berusaha keras untuk memastikan bahwa tidak ada data, opini, pernyataan yang salah atau menyesatkan ketika dipublikasikan di jurnal, dengan kondisi apapun, isi artikel dan iklan yang diterbitkan di Jurnal ilmiah teknologi infomasi asia adalah murni merupakan tanggung jawab masing-masing penulis dan pengiklan. Pengguna situs web ini akan dilisensikan dengan menggunakan materi dari situs web ini setelah Lisensi Internasional Creative Commons Attribution 4.0. Tidak ada biaya yang dibebankan. Silakan gunakan materi yang sesuai.
Anda bebas untuk:
Bagikan - salin dan sebarkan materi dalam media atau format apa pun
Adaptasi - remix, transformasikan, dan bangun berdasarkan materi untuk tujuan apa pun, bahkan secara komersial.
Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti ketentuan lisensi
