OPTIMALISASI ANALISIS SENTIMEN PROGRAM BPNT BERDASARKAN POSTINGAN TWITTER

• MOHAMAD NOOR
• 14002440

---

ABSTRAK

 

ABSTRAK Nama : Mohamad Noor NIM : 14002440 Program Studi : Ilmu Komputer Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul Tesis : “Optimalisasi Analisis Sentimen Program BPNT Berdasarkan Postingan Twitter” Program Sembako merupakan pengembangan dari program Bantuan Pangan Nontunai (BPNT) yang mulai dilaksanakan oleh Kementerian Sosial sejak tahun 2020, yaitu bantuan sosial pangan dalam bentuk non tunai dari pemerintah yang diberikan kepada KPM setiap bulannya melalui mekanisme akun elektronik yang digunakan hanya untuk membeli bahan pangan di pedagang bahan pangan/ewarong yang bekerjasama dengan bank. Media sosial twitter kini menjadi salah satu tempat untuk menyebarkan informasi tentang Program BPNT/Sembako. Studi kasus ini menggunakan teknik penambangan teks dengan metode support vector
machine (SVM), Naïve Bayes (NB) dan K-Nearest Neighbor (k-NN) yang bertujuan untuk mengklasifikasikan sentimen publik terhadap Program BPNT/Sembako di twitter. Dataset yang digunakan adalah tweet dalam bahasa Indonesia dengan kata kunci “BPNT” dan “Kartu Sembako” dengan total dataset 1.094 tweet. Penambangan teks, transformasi, tokenize, stemming, dan klasifikasi, dll. Teknik berguna untuk membangun klasifikasi dan analisis sentimen.
RapidMiner dan Gataframework juga digunakan untuk membantu membuat analisis sentimen untuk mengukur nilai klasifikasi. Hasil yang didapatkan dengan Optimalisasi menggunakan Particle Swam Optimizion (PSO) yaitu menggunakan algoritma support vector machine (SVM) dan nilai akurasi diperoleh adalah 78,02%, dengan nilai presisi 78,73%, nilai recall 82,16%, serta AUC 0.848. Kata kunci: Kemensos, Tweet, BPNT, Sembako, Text Mining, Klasifikasi, Support Vector
Machine, Naïve Bayes, dan K-Nearest Neighbor, gataframework.
 

KATA KUNCI

Analisis Sentimen

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] K. Sosial, “Tugas dan Fungsi Kementerian Sosial,” 2015. https://kemensos.go.id/tugasfungsi [2] KEMENSOS, “Pedoman Umum Program Sembako Perubahan I Tahun 2020,” p. 212, 2020. [3] K. Sosial, “Keputusan Direktur Jenderal Penanganan Fakir Miskin Nomor: 41/6/SK/HK.01/4/2022,” no. 41, 2022. [4] P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J.
Teknol. Inf. dan Ilmu Komput. , vol. 8, no. 1, p. 147, 2021, doi: 10.25126/jtiik.0813944. [5] A. Firdaus and W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi?: (Sebuah Ulasan),” J. JUPITER, vol. 13, no. 1, pp. 66–78, 2021, [Online]. Available: https://jurnal.polsri.ac.id/index.php/jupiter/article/view/3249/1396 [6] S. M. Siroj, I. Arwani, and D. E. Ratnawati, “Analisis Sentimen Opini Publik pada Twitter terhadap Efek Pembelajaran Daring di Universitas Brawijaya menggunakan Metode K-Nearest Neighbor,” vol. 5, no. 7, pp. 3131–3140, 2021. [7] P. Indonesia, “Peraturan Presiden Republik Indonesia Nomor 46 Tahun 2015 tentang Kementerian Sosial,” Peratur. Pres. Republik Indones. , vol. 3, pp. 1–9, 2015. [8] BEON INTERMEDIA, “Data Mining?: Definis, Fungsi, Metode dan Penerapannya,” jagoanhosting.com, 2020. [9] F. A. D. Aji Prasetya Wibawa, Muhammad Guntur Aji Purnama, Muhammad Fathony Akbar, “Metode-metode Klasifikasi,” Pros. Semin.
Ilmu Komput. dan Teknol. Inf., vol. 3, no. 1, p. 134, 2018. [10] F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” J. Sains
dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331. [11] F. F. Mailo and L. Lazuardi, “Analisis Sentimen Data Twitter Menggunakan Metode Text Mining Tentang Masalah Obesitas di Indonesia,” J. Inf. Syst. Public Heal. , vol. 4, no. 1, pp. 28–36, 2019. [12] U. M. Area, “ANALISIS SENTIMEN (SENTIMENT ANALYSIS)?: DEFINISI, TIPE DAN CARA KERJANYA,” 2022. https://lp2m.uma.ac.id/2022/02/21/analisis-sentimen-sentiment-analysisdefinisi-tipe-dan-cara-kerjanya/#:~:text=Sentiment analysis adalah proses penggunaan,yang terdapat pada platform tersebut. [13] N. Hidayati, J. Suntoro, and G. G. Setiaji, “Perbandingan Algoritma Klasifikasi untuk Prediksi Cacat Software dengan Pendekatan CRISPDM,” J. Sains dan Inform., vol. 7, no. 2, pp. 117–126, 2021, doi:
71
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri 10.34128/jsi.v7i2.313. [14] T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput. , vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568. [15] E. Fitri, Y. Yuliani, S. Rosyida, and W. Gata, “Analisis Sentimen Terhadap Aplikasi Ruangguru Menggunakan Algoritma Naive Bayes, Random Forest Dan Support Vector Machine,” J. Transform., vol. 18, no. 1, p. 71, 2020, doi: 10.26623/transformatika.v18i1.2317. [16] A. Nugroho, Agung, Dzulatkha, “KLASIFIKASI ANALISIS SENTIMEN TERHADAP CALON PRESIDEN 2019 PADA MEDIA SOSIAL TWITTER MENGGUNAKAN METODE ALGORITMA NAÏVE BAYES,” SIGMA - J. Teknol. Pelita Bangsa 167, vol. 10, no. September, pp. 167–172, 2020. [17] I. Wahyudi, S. Bahri, and P. Handayani, “Optimasi Algoritma SVM Dan K-NN Berbasis Particle Swarm Optimization Pada Analisis Sentimen Fenomena Tagar #2019GantiPresiden,” vol. V, no. 1, pp. 135–138, 2019, doi: 10.31294/jtk.v4i2. [18] A. Setiawan, L. W. Santoso, and R. Adipranata, “Penerapan Algoritma Particle Swarm Optimization ( PSO ) untuk Optimisasi Pembangunan Negara dalam Turn Based Strategy Game,” J. Infra, vol. 7, no. 1, pp. 249– 255, 2019. [19] F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681 –686, 2019. [20] D. S. Utami and A. Erfina, “Analisis Sentimen Pinjaman Online di Twitter Menggunakan Algoritma Support Vector Machine (SVM),” SISMATIK
(Seminar Nas. Sist. Inf. dan Manaj. Inform. , vol. 1, no. 1, pp. 299–305, 2021. [21] E. Nurhazizah, R. N. Ichsan, and S. Widiyanesti, “Analisis Sentimen Dan Jaringan Sosial Pada Penyebaran Informasi Vaksinasi Di Twitter,”
Swabumi, vol. 10, no. 1, pp. 24–35, 2022, doi: 10.31294/swabumi.v10i1.12474.