Analisis Sentimen atas Opini pada Twitter terhadap PERMENKOMINFO No.5 Tahun 2020 menggunakan Algoritma Klasifikasi

Mohammad Amada, Munawar m

Abstract


Twitter merupakan salah satu media sosial yang paling banyak digunakan dalam menyampaikan opini atau pendapat terhadap suatu permasalahan yang muncul dan kerap menjadi trend topik. Pada 30 Juli 2022 viral #BlokirKominfo dan #PSEMelanggarHAM atas penerapan Peraturan Menteri Komunikasi dan Informatika No.5 Tahun 2020 tentang Penyelenggaraan Sistem Elektronik (PSE) Lingkup Privat atas pemberlakuan sanksi yang diterapkan kepada perusahaan yang tidak/belum mendaftarkan layanan sistemnya yang menyebabkan masyarakat tidak dapat mengakses layanan perusahaan tersebut. Berbagai respon yang muncul perlu dilakukan analisis untuk memahami opini yang disampaikan. Penelitian ini menggunakan metode Analisis Sentimen untuk mengerti apakah opini yang muncul bernilai positif, negatif, atau netral atas viralnya tagar tersebut. Labeling Sentimen dilakukan pada dataset tweet sebanyak 11658 menggunakan pendekatan Lexicon-Based Approach dengan mengimplementasikan kamus leksikal Indonesian Sentiment (InSet) Lexicon atas penelitian Fajri Koto dan Gemala Y Rahmaningtyas serta dilakukan klasifikasi data atas analisis sentimen pada penelitian ini. Metode Klasifikasi yang diterapkan terdiri dari 3 metode, yaitu Support Vector Machine (SVM), Naïve Bayes Classifier (NBC), dan K-Nearest Neighbors (KNN). Hasil Klasifikasi tertinggi didapatkan pada metode SVM dengan nilai akurasi sebesar 79 persen, hasil kedua didapatkan pada metode NBC dengan nilai akurasi sebesar 71 persen, dan hasil terendah didapatkan pada metode KNN dengan nilai akurasi sebesar 61 persen.

Keywords


Klasifikasi Data; Sentimen Analisis; Analisis Leksikal

Full Text:

PDF

References


P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (Svm),” vol. 8, no. 1, pp. 147–156, 2021, doi: 10.25126/jtiik.202183944.

R. D. Rahardjo and W. Afifah, “Kesesuaian Permenkominfo Nomor 05 Tahun 2020 Dengan Prinsip Kebebasan Berpendapat Dan Berekspresi Dalam Hak Asasi Manusia,” Bureaucracy Journal : Indonesia Journal of Law and Social-Political Governance, vol. 2, no. 2, pp. 472–486, Aug. 2022, doi: 10.53363/bureau.v2i2.48.

…… Yoga, V. Wijaya, Y. Vikriansyah Wijaya, A. Erfina, and C. Warman, “Analisis Sentimen Seputar UU ITE menggunakan Algoritma Support Vector Machine”, [Online]. Available: https://databoks.katadata.co.id/

I. Gusti Naufhal Daffa Adnyana, F. Adams, and A. Windari Oktavia, Analisis Sentimen Terhadap Undang-Undang Cipta Kerja Menggunakan Metode Naïve Bayes. 2021.

E. N. Hamdana, M. Balya, and I. Alfahmi, “JIP (Jurnal Informatika Polinema) Pengembangan Sistem Analisis Sentimen Berbasis Java Pada Data Twitter Terhadap Omnibus Law Menggunakan Algoritma Naïve Bayes dan K-Nearst Neighbor (K-NN)”.

A. Syaifuddin and M. Muslimin, “Analisis Sentimen Pada Sosial Media Tentang Implementasi Kebijakan Pse Kominfo Menggunakan Algoritme Lexicon Based,” Smart City And Sustainable Development Goals, vol. 1, no. 1, 2022.

A. Rahman, Wiranto, and A. Doewes, “Online News Classification Using Multinomial Naive Bayes.” doi: 10.20961/itsmart.v6i1.11310.

R. Rismayani, H. SY, T. Darwansyah, and I. Mansyur, “Implementasi Algoritma Text Mining dan Cosine Similarity untuk Desain Sistem Aspirasi Publik Berbasis Mobile,” Komputika : Jurnal Sistem Komputer, vol. 11, no. 2, pp. 169–176, Aug. 2022, doi: 10.34010/komputika.v11i2.6501.

Y. Afrillia, L. Rosnita, and D. Siska, “Analisis Sentimen Pengguna Twitter Terhadap Isu Kesetaraan Gender Dalam Penerapan Permendikbudristek Nomor 30 Tahun 2021 Menggunakan Textblob Analysis Of Twitter User Sentiment Towards To Issue Of Gender Equality In The Implementation Of Permendikbudristek Number 30 Of 2021 Using Textblob,” Journal of Informatics and Computer Science, vol. 8, no. 2, 2022.

D. S. Suparno and M. Rosyda, “Penggunaan Text Modeling Untuk Identifikasi Kesalahan Penulisan Kata Pada Teks Pidato Bupati Banggai Sulawesi Tengah,” Jurnal Media Informatika Budidarma, vol. 5, no. 3, p. 779, Jul. 2021, doi: 10.30865/mib.v5i3.3051.

P. Aditiya, U. Enri, and I. Maulana, “Analisis Sentimen Ulasan Pengguna Aplikasi Myim3 Pada Situs Google Play Menggunakan Support Vector Machine,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 4, p. 1020, Aug. 2022, doi: 10.30865/jurikom.v9i4.4673.

S. Mujahidin, B. Prasetio, and M. C. Cahyo Utomo, “Jurnal Vocational Teknik Elektronika dan Informatika”, [Online]. Available: http://ejournal.unp.ac.id/index.php/voteknika/index

O. I. Gifari, M. Adha, I. Rifky Hendrawan, F. Freddy, and S. Durrand, “Analisis Sentimen Review Film Menggunakan TF-IDF dan Support Vector Machine,” Jifotech (Journal Of Information Technology, vol. 2, no. 1, 2022.

F. Koto and G. Y. Rahmaningtyas, “InSet Lexicon: Evaluation of a Word List forIndonesian Sentiment Analysis in Microblogs.”

M. Galih Pradana, “Penggunaan Fitur Wordcloud Dan Document Term Matrix Dalam Text Mining.”

A. M. Priyatno and L. Ningsih, “SISTEMASI: Jurnal Sistem Informasi Pembobotan TF-IDF untuk Mendeteksi Akun Spammer di Twitter berdasarkan Tweet dan Representasi Retweet dari Tweet TF-IDF Weighting to Detect Spammer Accounts on Twitter based on Tweets and Retweet Representation of Tweets.” [Online]. Available: http://sistemasi.ftik.unisi.ac.id




DOI: http://dx.doi.org/10.36448/jsit.v14i1.2964

Article Metrics

Abstract view : 3 times
PDF - 4 times

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