ANALISIS SENTIMEN MASYARAKAT TERHADAP KENAIKAN HARGA BBM DI MEDIA SOSIAL TWITTER MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Muazim Rahman Fauzan, Harma Oktafia Lingga Wijaya, Satrianansyah Satrianansyah, Joni Karman

Abstract


Melalui media sosial twitter, masyarakat bisa berbagi cuitan tentang kesehariannya, berbagi foto, berita terbaru, cuaca, politik, ataupun menyampaikan pendapat tentang suatu hal yang sedang trending topic. Salah satu isu yang sedang trending topic di twitter pada bulan september 2022 di indonesia adalah harga BBM naik. Indonesia secara resmi menaikan harga BBM dikarenakan meroketnya harga minyak dunia. Sehingga pemerintah tidak dapat lagi menjual harga BBM yang sama seperti sebelumnya kepada masyarakat, hal ini dilakukan pemerintah untuk mengurangai pengeluaran negara yang semakin membesar. Penelitian dilakukan untuk mengetahui sentimen masyarakat terhadap kenaikan harga BBM pada tweets pengguna media sosial twitter menggunakan metode SVM. Data yang di ambil adalah 5000 data tweets yang menggunakan kata kunci “harga bbm naikâ€. Pada tahap preprocessing dari 5000 data, tersisa menjadi 4209 data. Lebelling data dilakukan otomatis menggunakan library TextBlob. Hasil labelling data menggunakan library TextBlob dibagi menjadi 3 sentimen yaitu sentimen positif sebanyak 1275, sentimen negatif sebanyak 1287, dan sentimen netral sebanyak 1647. Klasifikasi dan evalusi dilakukan menggunakan metode SVM. Berdasarkan nilai perbandingan data training dan testing sebesar 9:1, 8:2, dan 7:3 diperoleh hasil yang paling tinggi menggunakan metode SVM adalah perbandingan data training dan testing 9:1 dengan tingkat akurasi sebesar 76%.

Keyword: Analisis Sentimen, harga BBM, Support Vector Machine, Twitter.


Full Text:

PDF

References


S. D. Harijiatno, “Analisis Sentimen Pada Twitter Menggunakan Multinominal Naive Bayes,†pp. 5–10, 2019.

G. R. Hrp and N. Aslami, “Analisis Dampak Kebijakan Perubahan Publik Harga BBM terhadap Perekonomian Rakyat Indonesia,†J. Ilmu Komputer, Ekon. dan Manaj., vol. 2, no. 1, pp. 1464–1474, 2022.

A. Tripathy, A. Agrawal, and S. K. Rath, “Classiï¬cation of Sentimental Reviews Using Machine Learning Techniques,†Procedia Comput. Sci., vol. 57, pp. 821–829, 2015.

P. M. Nirmala Dharmapatni and N. L. P. Merawati, “Penerapan Algoritma Support Vector Machine Dalam Sentimen Analisis Terkait Kenaikan Tarif BPJS Kesehatan,†J. Bumigora Inf. Technol., vol. 2, no. 2, pp. 105–112, 2020, doi: 10.30812/bite.v2i2.904.

A. Baita, Y. Pristyanto, and N. Cahyono, “Analisis Sentimen Mengenai Vaksin Sinovac Menggunakan Algoritma Support Vector Machine (SVM) dan K-Nearest Neighbor (KNN),†Inf. Syst. J., vol. 4, no. 2, pp. 42–46, 2021, [Online]. Available: https://jurnal.amikom.ac.id/index.php/infos/article/view/687.

L. Lusiana, “Analisis Sentimen Twitter Dengan Menggunakan Algoritma Support Vector Machine (SVM) (Studi Kasus: 3556 Data Tweets dengan Kata Kunci Cadar dan Hijab),†2018.

J. Enterprise, Otodidak Pemrograman Python. Elex Media Komputindo, 2017.

F. Syadid, “Analisis Sentimen Komentar Netizen Terhadap Calon Presiden Indonesia 2019 Dari Twitter Menggunakan Algoritma Term Frequency-Invers Document Frequency (Tf- Idf) Dan Metode Multi Layer Perceptron (Mlp) Neural Network,†Skripsi Univ. Islam Negeri Syarif Hidayatullah Jakarta, p. 72, 2019.

A. Alwasi’a, “Analisis Sentimen Pada Review Aplikasi Berita Online Menggunakan Metode Maximum Entropy (Studi Kasus: Review Detikcom pada Google Play 2019,†2020.

A. S. Handayani, S. Soim, T. E. Agusdi, R. Rumiasih, and A. Nurdin, “Klasifikasi Kualitas Udara Dengan Metode Support Vector Machine,†J. Inform. dan Rekayasa Elektron., vol. 3, no. 2, pp. 187–199, 2020.

S. Y. R. Munawar, “Sistem Pendeteksi Berita Hoax Di Media Sosial Dengan Teknik Data Mining Scikit Learn,†vol. 4, pp. 173–179, 2019.


Refbacks

  • There are currently no refbacks.