ANALISIS SENTIMEN TERHADAP CALON PRESIDEN 2019 DENGAN SUPPORT VECTOR MACHINE DI TWITTER

Digna Tata Lukmana, Sri Subanti, Yuliana Susanti

Abstract


Indonesia merupakan negara demokrasi dengan penduduk terbanyak keempat dan pengguna Twitter terbesar kelima di dunia. Pemilihan presiden 2019 di Indonesia menjadi suatu topik yang menarik bagi para pengguna Twitter. Tweet masyarakat yang berkaitan dengan para calon presiden dapat digunakan untuk melihat gambaran opini masyarakat terhadap para calon presiden. Banyaknya jumlah tweet yang masuk mengenai para calon presiden mendorong perlunya metode yang membantu untuk melihat opini masayarakat secara efektif. Salah satu metode yang dapat digunakan untuk mengklasifikasikan opini masyarakat secara efektif adalah Support Vector Machine. Metode ini akan mengklasifikasikan apakah suatu opini masyarakat akan termasuk dalam sentimen positif atau negatif dengan mencari hyperlane terbaik dari kedua kelas klasifikasi. Penambahan fungsi Kernel pada Support Vector Machine berguna untuk mengatasi data yang tidak terpisah secara linier. Hasil dari klasifikasi didapatkan akurasi sebesar 86%.


Full Text:

PDF

References


APJII. (2017). Penetrasi & Perilaku Pengguna Internet Indonesia. https://apjii.or.id/survei2017. Diakses pada 20 Desember 2018

BPS. (2018). Proyeksi Penduduk Indonesia 20015-2045 Hasil SUPAS 2015. Jakarta. Badan Pusat Statistik.

Fawcett, T. (2006). An introduction to ROC analysis. Pattern Recognition Letters

8, pp. 861–874.

Hadi, A.F., Bagus, B.C.W., dan Hasan, M. (2017). Text Mining pada Media Sosial Twitter Studi Kasus: Masa Tenang Pilkada DKI 2017 Putaran 2. Surabaya. Universitas Airlangga. Seminar Nasional Matematika dan Aplikasinya.

Howe, N. and Strauss, W.(2007). The Next 20 Years: How Customer and Workforce Attitude Will Evolve. Hardvard Business Review. July-August 2007

Kumar, A., and Sebastian, T.M. (2012). Sentimen Analysis on Twitter. Delhi. Delhi Techonlogical University. International Journal of Computer Science Issue, Vol.9 Issue 4. Pages 371-378.

Latifah, E.F. (2018). Perbandingan Kinerja Machine Learning Berbasis Algoritma Support Vector Machine dan Naïve Bayes. Yogyakarta. Universitas Islam Indonesia

Liu, B. (2012).Sentimen Analysis and Opinion Mining.Morgan & Claypool Publishers.

Nurhuda, Sihwi, Doewes. (2013). Analisis Sentimen terhadap Calon Presiden Indonesia 2014 berdasakan Opini dari Twitter dengan Metode Naïve Bayes Classifier. Jurnal ITSMART. Vol 2 No 2 Desember 2013. Halaman 35-42.

Pang, B. (2002). Thumb Up? Sentiment Classification Using Machine Learning Techiques. Prociding of the Conference on Empirical Method in Natural Language Processing. 70-86.

Witten, I.H. (2005). “Text mining.” in Practical handbook of internet computing, edited by M.P. Singh, pp. 14-1 - 14-22. Chapman & Hall/CRC Press, Boca Raton, Florida.




DOI: http://dx.doi.org/10.31000/cpu.v0i0.1693

Article Metrics

Abstract - 3403 PDF - 3387

Refbacks

  • There are currently no refbacks.