PENERAPAN TEXT-MINING UNTUK MENGIDENTIFIKASI PENGGUNA TWITTER TERHADAP FENOMENA PERAN DPR RI
Abstract
Media sosial adalah media yang digunakan untuk berbagi teks, gambar, suara, dan termasuk yang paling popular di Indonesia adalah Twitter. Twitter digunakan penggunanya untuk menyampaikan pendapatnya ketika terdapat sebuah kejadian populer. Contoh peristiwa popular adalah fenomena politik dan tingkah laku pelakunya. Salah satu pelaku politik yang sering dibicarakan di twitter adalah anggota DPR RI yang sering menjadi berita trending topic. Penelitian ini bertujuan untuk menganalisa berbagai komentar di twitter yang berkaitan dengan anggota DPR terutama masalah keterpilihan anggota DPR baru periode 2019-2024. Pengumpulan data dilakukan berdasarkan kata kunci dan hastag dengan jumlah tertentu, setelah data terkumpul diolah menggunakan metoda text mining dan hasil olahannya diproses dengan algoritma Support Vector Machine (SVM) untuk mendapat klasifikasinya. Penelitian ini menghasilkan sebuah sistem automatis yang dapat mengklasifikasikan (memilih) mana yang komentar negatip dan mana yang positip.
References
2. Maulana, A. (2016). Twitter Rahasiakan Jumlah Pengguna di Indonesia, Website: https://www.cnnindonesia.com/teknologi/20160322085045-185-118939/twitter-rahasiakan-jumlah-penggunadi-indonesia, diakses 20 April 2018.
3. Faradhillah, N. Y., Kusumawardani, R. P., & Hafidz, I. 2016. Eksperimen Sistem Klasifikasi Analisa Sentimen Twitter pada Akun Resmi Pemerintah Kota Surabaya Berbasis Pembelajaran Mesin. Seminar Nasional Sistem Informasi Indonesia, 1(3), pp.16-24.
4. Yamatoto, Y., & Kumatato, T. 2015. Multidimensional sentiment calculation method for Twitter based on emoticons. International Journal of Pervasive Computing and Communications , 11 (2), 212-232.
5. Tiara, Sabariah, M.K. and Effendy, V., 2015. Sentiment analysis on Twitter using the combination of lexicon-based and support vector machine for assessing the performance of a television program. 2015 3rd International Conference on Information and Communication Technology, ICoICT 2015, pp.386–390.
6. Windasari, I.P., Uzzi, F.N. and Satoto, K.I.,2017. Sentiment Analysis on Twitter Posts : An analysis of Positive or Negative Opinion on GoJek. pp.266–269.
7. Desai, M. and Mehta, M.A., 2017. Techniques for sentiment analysis of Twitter data: A comprehensive survey. Proceeding- IEEE International Conference on Computing, Communication and Automation, ICCCA 2016, (March), pp.149–154.
8. Rofiqoh, U., Perdana, R.S. and Fauzi, M.A., 2017. Analisis Sentimen Tingkat Kepuasan Pengguna Penyedia Layanan Telekomunikasi Seluler Indonesia Pada Twitter Dengan Metode Support Vector Machine dan Lexion Based Feature. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer.
Copyright (c) 2018 Darma Persada of University
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Copyright
