Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis

Authors

  • Septian Fendyputra Pratama Program Studi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama Surabaya
  • Ricsa Andrean Prodi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama Surabaya
  • Aryo Nugroho Prodi Sistem Informasi, Fakultas Ilmu Komputer, Universitas Narotama Surabaya

DOI:

https://doi.org/10.31328/jointecs.v4i2.1004

Keywords:

Debat Calon Presiden, Twitter, Sentiment Analysis, Twitter API, Pemrograman R,

Abstract

Media sosial, Twitter, saat ini telah banyak memberikan dampak besar dalam membangun opini, pandangan, sentimen, dan preferensi politik publik (menjelang Pemilihan Umum) berlangsung. Penelitian ini dilakukan untuk mengetahui percakapan di Twitter pada debat pertama calon presiden Republik Indonesia melalui hashtag dari kedua pasang calon. Selain itu, juga untuk mengetahui tentang kecenderungan masyarakat di Twitter terkait dengan debat yang sedang berlangsung tersebut cenderung positif, negatif, atau netral. Data percakapan di Twitter didapatkan melalui Twitter API yang diambil dengan bahasa Pemrograman R. Proses analisis sentimen ini menggunakan metode Fined-grained Sentiment Analysis yaitu, Jika satu tweet berisi lebih banyak kalimat positif daripada negatif, maka hasil keseluruhan akan positif dan bernilai (+1). Jika jumlah kalimat negatif lebih besar dari kalimat positif, maka hasil keseluruhan negatif dan bernilai (-1). Jika ada jumlah yang sama dari kalimat positif dan negatif dalam paragraf, maka hasilnya adalah netral dan bernilai (0). Hasil dari penelitian ini menunjukkan bahwa tweet sentimen dari kedua hashtag cenderung positif, lebih banyak daripada sentimen negatif dan netral.

References

A. Y. Rahman, M. Sa’adah, F. W. Setiawan, and E. Supriyanto, “Vice Presidential Election Prediction Period 2019- 2024 using Simple Additive Weighting,†pp. 56–60, 2018.

E. L. Damanik, “Hashtag #2019GantiPresiden: Sentimen Anti-petahana dan Orientasi Politik Pemilih Pemula menghadapi Pilpres 2019 di Pematangsiantar,†JPPUMA J. Ilmu Pemerintah. dan Sos. Polit., 2018.

R. Hidayatillah, M. Mirwan, M. Hakam, and A. Nugroho, “Levels of Political Participation Based on Naive Bayes Classifier,†IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 13, no. 1, pp. 73–82, 2019.

L. A. Nugroho and Alves, “Analisis Sentimen Publik Terhadap Kembalinya Partai Fretilin Memimpin Timor-Leste,†2017.

C. W. Park and D. R. Seo, “Sentiment analysis of Twitter corpus related to artificial intelligence assistants,†pp. 495–498, 2018.

V. N. Patodkar and S. I.R, “Twitter as a Corpus for Sentiment Analysis and Opinion Mining,†IJARCCE, vol. 5, no. 12, pp. 320–322, 2016.

V. Ikoro, M. Sharmina, K. Malik, and R. Batista-Navarro, “Analyzing Sentiments Expressed on Twitter by UK Energy Company Consumers,†2018 Fifth Int. Conf. Soc. Networks Anal. Manag. Secur., pp. 95–98, 2018.

U. R. Hodeghatta, “Sentiment Analysis of Hollywood Movies on Twitter,†Proc. 2013 IEEE/ACM Int. Conf. Adv. Soc. Networks Anal. Min., pp. 1401–1404, 2013.

R. Sandoval-Almazan and D. Valle-Cruz, “Facebook Impact and Sentiment Analysis on Political Campaigns,†Proc. 19th Annu. Int. Conf. Digit. Gov. Res. Gov. Data Age, pp. 561–567, 2018.

U. Yaqub, S. A. Chun, V. Atluri, and J. Vaidya, “Sentiment based Analysis of Tweets during the US Presidential Elections,†Present. Proc. 18th Annu. Int. Conf. Digit. Gov. Res., pp. 149–156, 2017.

C. V. S. Araujo, R. M. Neto, F. N. G., and E. F. Nakamura, “Predicting Music Success Based on Users’ Comments on Online Social Networks,†Proc. 23rd Brazillian Symp. Multimed. Web, pp. 1–10, 2017.

Sharma P and Moh T, “Prediction of Indian election using sentiment analysis on Hindi Twitter,†pp. 1996–1971, 2016.

W. Budiharto and M. Meiliana, “Prediction and analysis of Indonesia Presidential election from Twitter using sentiment analysis,†J. Big Data, vol. 5, no. 1, 2018.

N. Matloff, “The Art of R Programming,†p. 404.

and J. S. H. H. Kaur, M. Talluri, “Get Twitter information: A collaborative Android application for big data analysis,†2015 Int. Conf. Collab. Technol. Syst., pp. 483–484, 2015.

S. K. Ravindran and V. Garg, “Mastering social media mining with R: extract valuable data from social media sites and make better business decisions using R,†2015.

E. de Jonge, “An introduction to data cleaning with R,†p. 53.

D. H. Wahid and A Sn, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,†IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 10, no. 2, pp. 207–218, 2016.

B. Liu, M. Hu, and J. Cheng, “Opinion observer: analyzing and comparing opinions on the Web,†Proc. 14th Int. Conf. World Wide Web - WWW, p. 342, 2005.

H. Wang and and Y. Z. F. Wu, X. Li, S. Tang, J. Shao, “Indeks Kualiti Air ( IKA ) Sg . Selangor pasca pembinaan Water Quality Index ( WQI ) of the Selangor River after the construction of the Selangor River Dam,†Jointly Discov. Fine-grained Coarse-grained Sentim. via Top. Model., pp. 913–916, 2014.

and J. C. T. Z. Wang, C. S. Chong, L. Lan, Y. Yang, S. B. Ho, “Fine-grained sentiment analysis of social media with emotion sensing,†2016 Futur. Technol. Conf., pp. 1361–1364, 2016.

I. Percy and and S. S. A. Balinsky, H. Balinsky, “Text Mining and Recommender Systems for Predictive Policing,†Proc. ACM Symp. Doc. Eng. 2018, pp. 151–154, 2018.

Downloads

Published

2019-07-12

Issue

Vol. 4 No. 2 (2019)

Section

Articles

License

Pernyataan Hak Cipta dan Lisensi

Hak Cipta :

Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:

Hak cipta pada setiap artikel adalah milik penulis.

  1. Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
  2. Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);

Lisensi :

JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.

This work is Under licensed

Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)