ANALISIS SENTIMEN TWITTER TERHADAP MADRASAH MENGGUNAKAN METODE KLASIFIKASI

• SUPRIADI PANGGABEAN
• 14002471

---

ABSTRAK

 

ABSTRAK Nama : Supriadi Panggabean NIM : 14002471 Program Studi : Ilmu Komputer Jenjang : Strata Dua (S2) Konsentrasi : Data Mining Judul Tesis : “Analisis Sentimen Twitter Terhadap Madrasah Menggunakan Metode Klasifikasi” Pada masa digital saat ini pengaruh serta pemakaian internet telah jadi sesuatu kebutuhan, apalagi di Indonesia sendiri pengguna internet pada awal 2021 menggapai 202, 6 juta jiwa. Penggunaan internet yang paling banyak digunakan oleh masyarakat Indonesia adalah media sosial. Beberapa kejadian kekerasan seksual yang terjadi dilingkungan madrasah sebagaimana yang diberitakan di media, munculnya isu islam radikal yang katanya merupakan buah pikiran dari lingkungan madrasah, terorisme yang juga katanya berasal dari salah menafsirkan ilmu dari madrasah, intoleransi terhadap beda agama, perubahan karakter santri madrasah dan lain sebagainya akan menimbulkan pemikiran negatif terhadap madrasah. Untuk mengetahui bagaimana sentimen pengguna media sosial terhadap madrasah, maka dilakukan penelitian tentang analisis sentimen twitter terhadap madrasah menggunakan metode klasifikasi. Metode yang digunakan adalah Naïve Bayes (NB), Decision Tree (DT) dan K – Nearest Neighbor (K-NN). Untuk meningkatkan performa dari metode klasifikasi dilakukan dengan menggunakan feature selection Particle Swarm Optimization (PSO). Disisi lain,
tools gataframework, script Execute Python dan rapidminer digunakan juga dalam penelitian ini untuk membantu preprocessing dan cleansing pada datasethingga membantu menciptakan corpus dan sentiment analysis. Akurasi yang didapat dari algoritma Naïve Bayes accuracy: 76.86% +/- 5.24% (micro average: 76.86%), Decision Tree accuracy: 61.38% +/- 5.46% (micro average: 61.35%), K-NN accuracy: 74.70% +/- 4.83% (micro average: 74.67%), Naïve Bayes PSO accuracy: 80.80% +/- 4.86% (micro average: 80.79%, Decision Tree PSO accuracy: 65.27% +/- 5.26% (micro average: 65.28%), dan K-NN PSO accuracy: 67.24% +/- 7.92% (micro average: 67.25%). Hasil penelitian menunjukkan bahwa algoritma Naïve Bayes PSO mendapatkan hasil terbaik dan akurat. Penelitian ini berhasil mendapatkan algoritma yang efektif dan terbaik dalam mengklasifikasikan komentar positive dan komentar negative terkait dengan analisis sentimen terhadap madrasah dengan metode klasifikasi. Kata kunci: Data Mining, Analisa Sentiment, Klasifikasi
 

KATA KUNCI

Analisis Sentimen,Metode Klasifikasi

---

DAFTAR PUSTAKA

 

DAFTAR PUSTAKA [1] G. P. Riyanto, “Jumlah Pengguna Internet Indonesia 2021 Tembus 202 Juta,” tekno.kompas.com, 2021. [2] Y. Pratomo, “Sejarah Twitter, Jejaring Sosial yang Terinspirasi dari SMS,”
tekno.kompas.com, 2021. [3] B. Brahimi, M. Touahria, and A. Tari, “Improving sentiment analysis in Arabic: A combined approach,” Journal of King Saud University Computer and Information Sciences, vol. 33, no. 10, pp. 1242–1250, 2019, doi: 10.1016/j.jksuci.2019.07.011. [4] I. Rozi, S. Pramono, and E. Dahlan, “Implementasi Opinion Mining (Analisis Sentimen) Untuk Ekstraksi Data Opini Publik Pada Perguruan Tinggi,” Jurnal EECCIS, vol. 6, no. 1, pp. 37–43, 2012. [5] W. He, H. Wu, G. Yan, V. Akula, and J. Shen, “A novel social media competitive analytics framework with sentiment benchmarks,” Information
and Management, vol. 52, no. 7, pp. 801–812, 2015, doi: 10.1016/j.im.2015.04.006. [6] A. Suryanto, I. Alfarobi, T. A. Tutupoly, and R. Fauziahti, “Optimasi Naive Bayes Menggunakan Optimize Weights Dan Stratified Pada Data Kredit Koperasi,” Mantik Penusa, vol. 3, no. 1, pp. 211 –219, 2019. [7] A. P. S.A Pattekari, “Prediction system for heart disease using Na ??ve Bayes,” International Journal of Advanced Com-puter and Mathematical
Sciences, vol. 3, no. 3, pp. 290–294, 2012. [8] and S. G.Wahyuningtyas, I. Mukhlash, “Aplikasi Data Mining untuk Penilaian Kredit Menggunakan Metode Fuzzy Decision Tree,” Jurnal Sains
Dan Seni Pomits, vol. 1, no. 1, pp. 1 –6, 2014. [9] B. W. Y. Sunoto, “Analisis Testimonial Wisatawan Menggunakan Text Mining Dengan Metode Naive Bayes DanDecision Tree, Studi Kasus Pada Hotel Hotel Di Jakarta,” Jurnal Informatika dan Bisnis ANALISIS, vol. 3, no. 2, pp. 39–49, 2014. [10] L. Deng and D. Yu, “Deep learning: Methods and applications,”
Foundations and Trends in Signal Processing, vol. 7, no. 3–4, pp. 197–387, 69
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri 2013, doi: 10.1561/2000000039. [11] E. Turban, Decision Support Systems and Intelligent Systems Edisi Bahasa
Indonesia. Yogyakarta: Andi, 2005. [12] Z. Keilany, “Book Reviews: Book Reviews,” Review of Social Economy, vol. 36, no. 2, pp. 228–229, 1978, doi: 10.1080/00346767800000037. [13] Z. Xiaojun, “Michael W. Berry and Jacob Kogan (eds.): Text mining: applications and theory,” Information Retrieval, vol. 14, no. 2, pp. 208– 211, 2011, doi: 10.1007/s10791 -010-9153-5. [14] D. Ibrahim, “Analisis Hubungan antar Faktor dan Komparasi Algoritma Klasifikasi pada Penentuan Penundaan Penerbangan,” 2017, no. September, pp. 15– 17, 2017. [15] D. Alita, S. Priyanta, and N. Rokhman, “Analysis of Emoticon and Sarcasm Effect on Sentiment Analysis of Indonesian Language on Twitter,” Journal of Information Systems Engineering and Business
Intelligence, vol. 5, no. 2, p. 100, 2019, doi: 10.20473/jisebi.5.2.100-109. [16] S. I. Safitri, C. Suhery, and S. Bahri, “Implementasi Algoritma K–Means Untuk Clustering Sentimen Pada Opini Kualitas Pelayanan Jasa Penerbangan,” Coding Jurnal Komputer dan Aplikasi, vol. 09, no. 02, pp. 186–197, 2021, [Online]. Available: https://jurnal.untan.ac.id/index.php/jcskommipa/article/view/47377. [17] A. M. B. Aditia Rakhmat Sentiaji, P. S. Sarjana, D. Statistika, F. Matematika, D. A. N. Ilmu, and P. Alam, “Analisis Sentimen Terhadap Acara Televisi Berdasarkan Opini Publik,” Jurnal Ilmiah Komputer dan
Informatika (KOMPUTA), 2014. [18] C. Brogan, Social Media 101: Tactics and Tips to Develop Your Business
Online. 2011. [19] P. R. Dailey, Social Media: Finding Its Way into Your Business Strategy
and Culture. Burlington: Linkage, 2009. [20] H. Purnama, “Media Sosial Di Era Pemasaran 3.0. Corporate and Marketing Communication,” Jakarta : Pusat Studi Komunikasi dan Bisnis
Program Pasca Sarjana Universitas Mercu Buana, p. Pp 107-124, 2011. [21] M. Badri, Corporate Marketing and Communication. Jakarta: Universitas 70
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Mercu Buana, 2011. [22] R. Peter Norvig, “Artificial intelligence—a modern approach by Stuart,”
Cambridge University Press, 2010. [23] W. Setiawan and S. Ratnasari, “Sistem Pakar Diagnosa Penyakit Mata Menggunakan Naive Bayes Classifier,” Issn : 2407 - 1846, vol. TINF-004, no. November, pp. 1–6, 2014. [24] B. A. Muktamar, N. A. Setiawan, and T. B. Adji, “Pembobotan Korelasi Pada Naïve Bayes Classifier,” Seminar Nasional Teknologi Informasi dan
Multimedia 2015, no. 2, pp. 43–47, 2015. [25] P. Kasih, “Pemodelan Data Mining Decision Tree Dengan Classification Error Untuk Seleksi Calon Anggota Tim Paduan Suara,” Innovation in
Research of Informatics (INNOVATICS), vol. 2, pp. 63–69, 2019. [26] W. E. Nurjanah, R. S. Perdana, and M. A. Fauzi, “Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet,” Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer (J-PTIIK) Universitas Brawijaya, vol. 1, no. 12, pp. 1750–1757, 2017. [27] D. Evanko, “Optical imaging of the native brain,” Nature Methods, vol. 7, no. 1, p. 34, 2010, doi: 10.1038/nmeth.f.284. [28] U. Shafique and H. Qaiser, “A Comparative Study of Data Mining Process Models ( KDD , CRISP-DM and SEMMA ),” International Journal of
Innovation and Scientific Research, vol. 12, no. 1, pp. 217–222, 2014, [Online]. Available: http://www.ijisr.issr-journals.org/. [29] A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,” Jurnal Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679. [30] W. Gata, “Akurasi Text Mining Menggunakan Algoritma K-Nearest Neighbour pada Data Content Berita SMS,” vol. 6, pp. 1–13, 2017. [31] A. Zumarniansyah, R. Pebrianto, and ..., “Twitter Sentiment Analysis of Post Natural Disasters Using Comparative Classification Algorithm 71
Program Studi Ilmu Komputer (S2) Universitas Nusa Mandiri Support Vector Machine and …,” Jurnal Pilar Nusa … , pp. 169–174, 2020, [Online]. Available: http://ejournal.nusamandiri.ac.id/index.php/pilar/article/view/1423. [32] Ratino, N. Hafidz, S. Anggraeni, and W. Gata, “Sentimen Analisis Informasi Covid-19 menggunakan Support Vector Machine dan Naïve Bayes,” Jurnal JUPITER, vol. 12, no. 2, pp. 1–11, 2020. [33] A. Faisal, Y. Alkhalifi, A. Rifai, and W. Gata, “Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization,” JOINTECS (Journal of Information Technology and
Computer Science), vol. 5, no. 2, p. 61, 2020, doi: 10.31328/jointecs.v5i2.1362. [34] Y. Alkhalifi, W. Gata, A. Prasetyo, and I. Budiawan, “Analisis Sentimen Penghapusan Ujian Nasional pada Twitter Menggunakan Support Vector Machine dan Naïve Bayes berbasis Particle Swarm Optimization,” CoreIT, vol. 6, no. 2, pp. 71 –78, 2020, [Online]. Available: http://ejournal.uinsuska.ac.id/index.php/coreit/article/view/9723. [35] A. Fauzi, A. N. Rais, M. F. Akbar, and W. Gata, “Analisis Sentimen Berinternet Pada Media Sosial AMIK BSI Tegal Dengan Menggunakan Algoritma Naive Bayes,” Seminar Nasional Teknologi Informasi
Universitas Ibn Khaldun Bogor, pp. 46–54, 2018. [36] G. A. Buntoro, “Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter,” Integer Journal, vol. 2, no. 1, pp. 32–41, 2017, [Online]. Available: https://t.co/jrvaMsgBdH. [37] R. W. Samsir, Ambiyar, Unung Verawardina, Firman Edi, “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes,” Jurnal Media Informatika
Budidarma, vol. 5, no. 1, pp. 157–163, 2021, doi: 10.30865/mib.v5i1.2604. [38] H. Setiawan, E. Utami, and S. Sudarmawan, “Analisis Sentimen Twitter Kuliah Online Pasca Covid-19 Menggunakan Algoritma Support Vector Machine dan Naive Bayes,” Jurnal Komtika (Komputasi dan Informatika), vol. 5, no. 1, pp. 43–51, 2021, doi: 10.31603/komtika.v5i1.5189.