Analisis Sentimen Ketidakstabilan Harga Gabah Berbasis Data Twitter

Dedy Sugiarto, Reyhan Dwi Putra, Wahyu Hidayat, Ema Utami, Ainul Yaqin

Abstract


Pendapat masyarakat baik bersifat positif, negatif maupun netral terkait sebuah kebijakan tertentu atau fenomena di masyarakat ini menjadi hal yang berharga untuk dianalisis melalui sebuah metode yang disebut sebagai analisis sentimen. Kasus dalam penelitian ini adalah  turunnya harga gabah pada awal sampai dengan pertengahan tahun 2021. Penelitian ini bertujuan untuk mengetahui persentase polaritas sentiment yang muncul bila dikaitkan dengan kata kunci harga gabah serta menentukan tingkat akurasi prediksi kelas sentiment menggunakan metode Naïve Bayes.  Hasil penelitian menunjukkan persentase sentiment terbesar adalah bersifat negative sebanyak 46.30 persen,  netral 32,70 persen dan positif sebanyak 20,99 persen. Hasil wordcloud juga menunjukkan pengguna twitter mengkaitkan persoalan harga gabah ini dikaitkan dengan impor beras, peran pemerintah serta pupuk. Hasil klasifikasi menunjukkan nilai akurasi yang cukup baik yaitu sebesar 67,32 persen.

Full Text:

PDF

References


J. Novák, P. Benda, E. Šilerová, J. Vaněk, and E. Kánská, “Sentiment Analysis in Agriculture,” Agris On-line Pap. Econ. Informatics, vol. 13, no. 1, pp. 121–130, 2021, doi: 10.7160/aol.2021.130109.

I. Surjandari, M. S. Naffisah, and M. I. Prawiradinata, “Text Mining of Twitter Data for Public Sentiment Analysis of Staple Foods Price Changes,” J. Ind. Intell. Inf., vol. 3, no. 3, pp. 253–257, 2014, doi: 10.12720/jiii.3.3.253-257.

Z. M. Basuki, R. J. Putra Hidayat, P. S. Asih, and I. T. Sihidi, “Analisis Kebijakan Impor Beras 1 Juta Ton Oleh Pemerintah Indonesia: Data Dan Analisis Media Sosial,” J. Acad. Praja, vol. 4, no. 2, pp. 474–495, 2021, doi: 10.36859/jap.v4i2.485.

R. A. Nandini, Y. A. Sari, and P. P. Adikara, “Analisis Sentimen Impor Beras 2018 Pada Twitter Menggunakan Metode Support Vector Machine dan Pembobotan Jumlah Retweet,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 3, no. 4, pp. 3396–3406, 2019.

K. Sulastri, “Klasifikasi Naïve Bayes pada Analisis Sentimen atas Penolakan Dibukanya Larangan Ekspor Benih Lobster,” vol. 1, no. 2, pp. 68–75, 2020.

D. Sharma, M. Sabharwal, V. Goyal, and M. Vij, Sentiment Analysis Techniques for Social Media Data : A Review Sentiment Analysis Techniques for Social Media Data : A Review, no. January. Springer Singapore, 2020.

S. Yuliyanti, T. Djatna, and H. Sukoco, “Sentiment mining of community development program evaluation based on social media,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 15, no. 4, pp. 1858–1864, 2017, doi: 10.12928/TELKOMNIKA.v15i4.4633.

E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook,” Eksplora Inform., vol. 9, no. 1, pp. 60–69, 2019, doi: 10.30864/eksplora.v9i1.254.

N. Nigam and D. Yadav, “Lexicon-Based Approach to Sentiment Analysis of Tweets Using R Language : Second International Conference , ICACDS 2018 , Dehradun , India , April 20-21 , Lexicon-based approach to Sentiment Analysis of tweets using R language,” no. February 2019, pp. 372–380, 2018, doi: 10.1007/978-981-13-1810-8.

S. Aftab, M. Ahmad, and S. Aft, “Hybrid Tools and Techniques for Sentiment Analysis: A Review Related papers Tools and Techniques for Lexicon Driven Sent iment Analysis: A Review Machine Learning Techniques for Sent iment Analysis: A Review,” Int. J. Multidiscip. Sci. Eng., vol. 8, no. 4, 2017, [Online]. Available: www.ijmse.org.

Z. Liu, Y. Lin, and M. Sun, Representation Learning for Natural Language Processing. 2020.

C. Sammut and G. . Webb, Encyclopedia of Machine Learning and Data Mining. Springer, 2011.

M. Kubat, An Introduction to Machine Learning. 2017.




DOI: http://dx.doi.org/10.36448/jsit.v13i1.2197

Refbacks

  • There are currently no refbacks.


About the JournalJournal PoliciesAuthor Information

Explore: Jurnal Sistem Informasi dan Telematika (Telekomunikasi, Multimedia dan Informatika)
e-ISSN: 2686-181X
Website: http://jurnal.ubl.ac.id/index.php/explore
Email: explore@ubl.ac.id
Published by: Pusat Studi Teknologi Informasi, Fakultas Ilmu Komputer, Universitas Bandar Lampung
Office: Jalan Zainal Abidin Pagar Alam No 89, Gedong Meneng, Bandar Lampung, Indonesia

This work is licensed under a Creative Commons Attribution 4.0 International License
Technical Support by:  RYE Education Hub