Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier
DOI:
https://doi.org/10.23960/jitet.v10i1.2262Abstract Views: 7425 File Views: 5433
Abstract
Abstrak~Dalam penelitian ini akan dilakukan analisis sentimen masyarakat terhadap kinerja Dewan Perwakilan Rakyat (DPR) yang diungkapkan melalui media sosial twitter. Ada beberapa tahap untuk melakukan analisis sentimen , yaitu pengumpulan data (crawling), preporcessing data yang terdiri dari proses cleaning data, tokenization, stop remova dan case folding, splitting data dan klasifikasi data menggunakan metode Naive Bayes Classifier. Penelitian ini menggunakan sebanyak 1546 data tweet. Hasil dari penelitian ini didapatkan bahwa DPR mendapatkan 95 tweet positif dengan polaritas 0.75 atau 75% sentimen positif, 693 tweet netral dengan polaritas 0.79 atau 79% sentimen netral dan 758 tweet negatif dengan polaritas 0.82 atau 82% sentimen negatif dengan accuracy score 0.8 atau 80% berdasarkan data testing sebanyak 20%.
Kata kunci : Sentiment Analysis, DPR, Naive Bayes Classifier
Downloads
References
B. M. Pintoko and K. M. L, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” in e-Proceeding of Engineering, 2018, vol. 5, no. 3, pp. 8121–8130.
“Tentang API Twitter.” [Online]. Available: https://help.twitter.com/id/rules-andpolicies/twitter-api. [Accessed: 24-Sep-2020].
A. T. Jaka, “Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining,” 2015.
“index | TIOBE - The Software Quality Company.” [Online]. Available: https://www.tiobe.com/tiobe-index/. [Accessed: 26-Aug-2020].
M. C. Kirana, N. P. Perkasa, M. Z. Lubis, and M. Fani, “Visualisasi Kualitas Penyebaran Informasi Gempa Bumi di Indonesia Menggunakan Twitter,” J. Appl. Informatics Comput., vol. 3, no. 1, pp. 23–32, 2019.
Marco Bonzanini, Mastering Social Media Mining with Python, vol. 53, no. 9. 2019.
C. D. Sherrill, Python Programming Workshop, no. September. 2009.
D. Heksaputra, Y. Azani, Z. Naimah, and L. Iswari, “Penentuan Pengaruh Iklim Terhadap Pertumbuhan Tanaman dengan Naïve Bayes,” in Seminar Nasional Aplikasi Teknologi Informasi (SNATI), 2013, pp. 34–36.
I. Fahrur Rozi, A. Taufika Firdausi, and K. Islamiyah, “Analisis Sentimen Pada Twitter Mengenai Pasca Bencana Menggunakan Metode Naïve Bayes Dengan Fitur N-Gram,” J. Inform. Polinema, vol. 6, no. 2, pp. 33–39, 2020.
Y. Cahyono, “Analisis Sentiment pada Sosial Media Twitter Menggunakan Naїve Bayes Classifier dengan Feature Selection Particle Swarm Optimization dan Term Frequency,” J.Inform. Univ. Pamulang, vol. 2, no. 1, p. 14, 2017.
“Project Jupyter | Home.” [Online]. Available: https://jupyter.org/. [Accessed: 26-Aug-2020].
K. Sahoo, A. K. Samal, J. Pramanik, and S. K. Pani, “Exploratory data analysis using python,” Int. J. Innov. Technol. Explor. Eng., vol. 8, no. 12, pp. 4727–4735, 2019.
K. Peffers, T. Tuunanen, M. A. Rothenberger, and S. Chatterjee, “A design science research methodology for information systems research,” J. Manag. Inf. Syst., vol. 24, no. 3, pp. 45–77, 2007.
F. Nurhuda, S. Widya Sihwi, and A. Doewes, “Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier,” J. Teknol. Inf. ITSmart, vol. 2, no. 2, p. 35, 2016.
E. Martínez-Cámara, M. T. Martín-Valdivia, L. A. Ureña-López, and A. R. Montejo-Ráez, “Sentiment analysis in Twitter,” Nat. Lang. Eng., vol. 20, no. 1, pp. 1–28, 2014.
J. V. Praneeth Sai and B. Balachander, “Sentimental analysis of twitter data using tweepy and textblob,” Int. J. Adv. Sci. Technol., vol. 29, no. 3, pp. 6537–6544, 2020.
