Analisis Sentimen Konten Radikal dalam Kontestasi Politik 2019 di Media Twitter Menggunakan Interjection dan Punctuation
Article Sidebar
Main Article Content
Abstract
Analisis sentiment saat ini menjadi tren untuk mengidentifikasi opini serta emosi seseorang dalam menanggapi sebuah situasi. Di tahun politik, sangat banyak opini bertebaran baik yang dituliskan di media cetak maupun media sosial. Para pelaku politik memiliki pandangan yang berbeda-beda, sehingga memunculkan banyak opini yang berujung pada tindakan radikal seperti perlakuan SARA kepada orang yang berbeda pandangan. Penelitian terkait dengan analisis sentimen radikal melalui media twitter sudah dilakukan oleh beberapa peneliti sebelumnya, namun belum ada penelitian analisis sentimen radikal yang menggunakan fitur ekstraksi. Penelitian ini mengusulkan untuk melakukan analisis sentimen konten radikal pada tweet tekstual berbahasa Indonesia terkait dengan kontestasi politik di Indonesia yang lalu menggunakan dua fitur yakni punctuation dan interjection, serta diklasifikasikan menggunakan algoritma support vector machine. Dari hasil klasifikasi yang telah dilakukan, didapatkan nilai akurasi dari analisis sentimen sebesar 80% dan dilakukan analisis sentiment radikal beberapa kali dengan jumlah interjection yang berbeda, didapatkan hasil akurasi sebesar 94% dengan menggunakan 200 kata interjection.
Downloads
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
R. WP, A. Novianty, and C. Setianingsih, “Analisis Sentimen Menggunakan Support Vector Machine dan Maximum Entropy,” vol. 4, no. 2, p. 2389, 2017.
G. A. Buntoro, “Analisis Sentimen Hatespeech Pada Twitter Dengan Metode Naïve Bayes Classifier Dan Support Vector Machine,” J. Din. Inform., vol. 5, no. 2, pp. 1–12, 2016.
P. P. A. Ferdi Alvianda, Indriati, “Analisis Sentimen Konten Radikal Di Media Sosial Twitter Menggunakan Metode Support Vector Machine (SVM),” vol. 3, no. 1, pp. 7828–7833, 2019.
D. A. P. Rahayu, S. Kuntur, and N. Hayatin, “Sarcasm detection on Indonesian twitter feeds,” Int. Conf. Electr. Eng. Comput. Sci. Informatics, vol. 2018-Octob, pp. 137–141, 2018.
B. Andrianto and S. Adinugroho, “Analisis Sentimen Konten Radikal Melalui Dokumen Twitter Menggunakan Metode Backpropagation,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 12, pp. 7380–7385, 2018.
A. Z. H. Khan, M. Atique, and V. . Thakare, “Sentiment analysis using Support Vector Machine,” I4CT 2014 - 1st Int. Conf. Comput. Commun. Control Technol. Proc., vol. 5, no. 4, pp. 333–337, 2014.
V. I. Santoso, G. Virginia, and Y. Lukito, “Penerapan Sentiment Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine,” J. Transform., vol. 14, no. 2, p. 72, 2017.
O. Somantri, D. Apriliani, J. T. Informatika, P. Harapan, and B. Tegal, “Support Vector Machine Berbasis Feature Selection Untuk Sentiment Analysis Kepuasan Pelanggan Terhadap Pelayanan Support Vector Machine Based on Feature Selection for Sentiment Analysis Customer Satisfaction on Culinary,” vol. 5, no. 5, pp. 537–548, 2018.
A. Perdana and M. T. Furqon, “Penerapan Algoritma Support Vector Machine ( SVM ) Pada Pengklasifikasian Penyakit Kejiwaan Skizofrenia ( Studi Kasus : RSJ . Radjiman Wediodiningrat , Lawang ),” J. Pengemb. Teknol. Inf. dan Ilmu Komput. Univ. Brawijaya, vol. 2, no. 9, pp. 3162–3167, 2018.
I. I Made Budi Surya Darma, Rizal Setya Perdana, “Penerapan Sentimen Analisis Acara Televisi Pada Twitter Menggunakan Support Vector Machine dan Algoritma Genetika sebagai Metode Seleksi Fitur,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no. 3, pp. 998–1007, 2018.