Kecendrungan Sentimen Dengann Pendekatan Support Vector Machine Pada Komunitas Yang Berpengaruh Di Twitter

Abstract

Abstrak Analisis sentimen adalah studi komputasional dari opini-opini orang. Analisis sentimen dapat mengelompokkan teks yang ada dalam kalimat atau dokumen tersebut, yang berupa sentimen positif dan sentimen negatif. Penelitian ini bertujuan untuk melihat kecendrungan sentimen masyarakat di twitter terhadap kegiaan investasi di Indonesia. Data yang digunakan berupada data cuitan dengan kata kunci “#investasimilenialâ€, “#investasi†dan “#bursaefekindonesiaâ€. Cuitan yang didapat kemudian diolah dengan melakukan text preprocessing kemudian melakukan pelabelan pada setiap cuitan serta melakukan pembobotan TF-IDF pada setiap term dan selanjutnya dilakukan klasifikasi dengan menggunakan metode Support Vector Machine. Parameter yang digunakan dalam metode Support Vector Machine ini adalah kernel Linear. Metode Support Vector Machine digunakan karena metode ini memiliki tingkat akurasi yang tinggi dibandingkan dengan metode lainnya. Pengujian dilakukan dengan perhitungan precision, recall, F-Measure dan akurasi. Hasil klasifikasi yang diperoleh dengan pendekatan Support Vector Machine ini memiliki akurasi sebesar 0,87 atau 87%, presisi positifsebesar 0.88 atau 88%, presisi negatif 0,67 atau 67%,recall positifsebesar 0,98 atau 98%,recall negatif sebesar 0,22 atau 22%, f1-score positif sebesar 0,93 atau 93% dan f1-score negatif sebesar 0,33 atau 33%. Hasil yang didapatkan dari penelitian ini dapat membantu, mempermudah serta memberikan pertimbangan atau gambaran untuk pihak-pihak yang berkepentingan untuk melihat ketertarikan masyarakat dalam berinvestasi di Indonesia. Kata kunci : Analisis Sentimen, Support Vector Machine, Text Mining. Abstract Sentiment analysis is a computational study of people’s opinions. The sentiment analysis will cluster text in sentences or documents to find out the opinion in these sentences or documents, either positive sentiment or negative sentiment. The purpose of this research is to see sentiment leaning of people’s on twitter about ivestment activities in Indonesia. The data used in this research with the keywords “#investasimilenialâ€, “#investasi†dan “#bursaefekindonesiaâ€.Tweets received are then processed by text preprocessing then labeling each tweet and weighing TF-IDF in each term and then classifying using the Support Vector Machine method. The parameter used in the Support Vector Machine method is the Linear kernel. The Support Vector Machine method is used because this method has a high degree of accuracy compared to other methods. Testing is done by calculation precision, recall, F-Measure dan accuracy. The results of this classification with Support Vector Machine have an accuracy of 0.87 or 87%, positive precision of 0.88 or 88%, negative precision of 0.67 or 67%, positive recall of 0.98 or 98%, negative recall of 0.22 or 22%, positive f1-score of 0.93 or 93% and negative f1-score of 0.33 or 33%. The results obtained from this research can be used as a benchmark for interested parties to see at people's interest in investing in Indonesia. Keywords: Sentiment Analysis, Support Vector Machine, Text Mining.