Analisis Sentimen Pada Media Sosial Universitas Dengan Metode Berbasis Leksikon

Authors

  • Farhan Ahmadi Javier Nur Telkom University
  • Ade Romadhony Telkom University
  • Hasmawat Hasmawat Telkom University

Abstract

Abstrak- Media sosial seperti Facebook, Twitter, dan Instagram adalah platform yang umum digunakan untuk berbagi ide dan opini. Sebuah opini pada media sosial dapat mengandung sentimen positif, negatif, atau netral. Analisis sentimen atau sentiment analysis adalah sebuah studi untuk melakukan identifikasi sentimen secara otomatis, dan telah banyak diterapkan pada organisasi pemilik akun media sosial, termasuk universitas. Penelitian ini mengimplementasikan identifikasi sentimen pada komentar media sosial universitas dengan menggunakan metode berbasis leksikon. Cara kerja metode analisis sentimen berbasis leksikon adalah dengan menghitung orientasi semantic lexicon. Penelitian ini menggunakan kamus leksikon yang telah didefinisikan sebanyak 6599 kata negatif dan 3597 kata positif. Dari hasil eksperimen diperoleh precision sebesar 94,81%, recall sebesar 82,59%, dan F-1 score sebesar 88,28%. Berdasarkan perbandingan hasil prediksi sistem dengan label yang didefinisikan manual, dianalisis penyebab kesalahan identifikasi sentimen, yaitu terdapat beberapa kata yang tidak ditemukan pada kamus leksikon karena kata-kata tersebut merupakan bahasa asing, yaitu Bahasa Inggris dan Bahasa Arab.

Kata kunci- media sosial, universitas, analisis sentimen, analisis sentimen berbasis leksikon

References

Medhat, W., Hassan, A., & Korashy, H. (2014). Sentiment analysis algorithms and applications: A survey. Ain Shams Engineering Journal,

Sazzed, S., & Jayarathna, S. (2021). SSentiA: A Self-supervised Sentiment Analyzer for classification from unlabeled data. Machine Learning with Applications,

Yue, L., Chen, W., Li, X., Zuo, W., & Yin, M. (2018). A survey of sentiment analysis in social media. Knowledge and Information Systems

Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers

Pajupuu, H., Altroy, R., & Pajupuu, J. (2016). Identifying polarity in different text types.

Taboada, M. (2016). Sentiment Analysis: An Overview from Linguistics. Annual Review of Linguistics, 2(1), 325–347. doi:10.1146/annurev-linguistics-011415-040518

Neri, F., Aliprandi, C., Capeci, F., Cuadros, M., & By, T. (2012). Sentiment Analysis on social media. IEEE.

Aung, K., Z., & Myo, N., N. (2017). Sentiment analysis of students' comment using leksikon-based approach. IEEE.

Jianqiang, Z., & Xiaolin, G. (2017). Comparison Research on Text Pre- processing Methods on Twitter Sentiment Analysis. IEEE.

Anees, A., F., Shaikh, A., Shaikh, A., & Shaikh, S. (2020). Survey Paper on Sentiment Analysis: Techniques andChallenges. EasyChair Prepr., vol. 2389.

Parwita, W., G., S. (2020) A document recommendation sistem of stemming and stopword removal impact: A web-based application. J. Phys. Conf. Ser., vol. 1469, no. 1, 2020, doi: 10.1088/1742-6596/1469/1/012050.

Saputra, R., A. (2020). Sentiment Analysis online lectures in Indonesia (version 1) [source code]. https://github.com/rifkyahmadsaputra/Sentiment-Analysis-Online-Lectures-in-Indonesia/blob/main/Sentiment%20Analysis%20'Online%20Lectures'%20in%20Indonesia.ipynb

Downloads

Published

2023-05-08

Issue

Section

Program Studi S1 Informatika