Analisis Sentimen Terhadap Tweet Pelecehan Seksual Dengan Perbandingan Metode Term Weighting Menggunakan Klasifikasi SVM Terhadap Tagar Permendikbud30
Abstract
Abstrak-Twitter merupakan salah satu media sosial yang dijadikan sebagai sarana dalam berpendapat dan mengeskpresikan diri, baik dalam menyalurkan pendapat ataupun aspirasi masyarakat sebagai salah satu bentuk kegiatan demokrasi. Salah satu contohnya adalah mengenai pengesahan Peraturan Menteri Pendidikan dan Kebudayaan (Permendikbud) No 30 Tahun 2021 tentang Pencegahan dan Penanganan Kekerasan Seksual (PPKS) di Perguruan Tinggi. Munculnya Tweet dengan tagar #permendikbud30 menuai pro dan kontra di kalangan pengguna media sosial Twitter. Untuk mengolah informasi Tweet tersebut, dilakukan analisis sentimen yang berfungsi untuk menentukan pendapat atau opini mengenai suatu produk atau peristiwa. Pada prosesnya, Tweet diolah menggunakan data mining yaitu klasifikasi. Dalam menentukan klasifikasi ada beberapa tahapan yang harus dilakukan yaitu dataset, pelabelan, confusion matrix, pembobotan dan hasil akurasi. Berdasarkan sistem yang dibangun akan dilihat metode pembobotan mana yang memiliki nilai akurasi tertinggi dalam analisis sentiment terhadap #permendikbud30. Berdasarkan hasil pengujian didapatkan nilai F1-Score tertinggi untuk TF-RF dengan fungsi SVM kernel rbf sebesar 51%.
Kata kunci-analisis sentimen, twitter, permendikbud30, confusion matrix, dataset
References
N. Z. U. N. F. M. N. F. Kholiq Budiman, "Analysis of Sexsual Harassment Tweet
Sentiment on Twitter in Indonesia using Naive Bayes Method through National Institute of Standard and Technology Digital Forensic Acquistition Approach," Journal of Advances in Information Systems and Technology 2 (2), vol. 21, pp. 21-30, 2020.
X. L. Y. S. Emma Haddi, "The Role of Text Pre-processing in Sentiment Analysis," Procedia Computer Science 17, pp. 26-32, 2013.
D. R. A. Vaishali Kalra, "Importance of Text Data Preprocessing & Implementation in RapidMiner," Proceedings Of ICITKM, vol. 14, pp. 71-75, 2017.
A. H. D. P. Muhamad Fauzan Putra, "Analisis Pengaruh Normalisasi, TF-IDF, Pemilihan Feature-set Terhadap Klasifikasi Sentimen Menggunakan Maximum Entropy (Studi Kasus : Grab dan Gojek)," e-Proceeding of Engineering, vol. 6, p. 8520, 2019.
R. A. Shahzad Qaiser, "Text Mining : Use of TF-IDF to Examine the Relevance of Word to Document," International Journal of Computer Applications, vol. 181, 2018.
L. X.-G. G. C.-H. Chu Yan-Xu, "Multiscale models on time series of silicon content in blast furnace hot metal based on Hilbert-Huang transform," 2011 Chinese Control and Decision Conference (CCDC), pp. 842-847, 2011.
C. F. U. L. Y. Ariana Yunita, "Implementasi Metode Multiple Kernel Support Vector Machine Untuk Seleksi Fitur Dari Data Ekspresi Gen Dengan Studi Kasur Leukimia dan Tumor Usus Besar," Matics, vol. 4, 2017.
I. C. R. S. P. Wanda Athira Luqyana, "Analisis Sentimen Cyberbullying pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine," Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 2, pp. 4704-4713, 2018.
A. S. A. F. Muhammad Yasin Fajari, "Negation Holding dalam Sentiment Analysis Menggunakan Algoritma Support Vector Machine pada Teks Ulasan Film Bahasa Indonesia".
I. S. H. D. P. Fiktor Imanuel Tanesab, "Sentiment Analysis Model Based On Youtube Comment Using Support Vector Machine," International Journal of Computer Science and Software Engineering (IJCSSE), vol. 6, pp. 180-185, 2018.
E. B. S. F. N. N. Willy, "Implementation of Decision Tree C4.5 for Big Five Personality Predictions with TF-RF and TF-CHI2 on Social Media Twitter," 2019 International Conference on Computer, Control, Informatics and its Applications (IC3INA), pp. 114-119, 2019.
A. Y. K. T. A. E. B. P. L. E. R. O. Hermanto, "Gojek and Grab User Sentiment Analysis on Google Play Using Naive Bayes Algorithm and Support Vector Machine Based Smote Technique," Journal of Physics: Conference Series, vol. 1641, 2020.
E. B. S. Maulina Gustiani Tambunan, "Prediksi Kepribadian DISC Pada Twitter Menggunakan Metode Decision Tree C4.5 dengan Pembobotan TF-IDF dan TF-RF," eProceedings of Engineering, vol. 7, p. 2725, 2020.
L. K. B. A. A. S. T. H Syahputra, "Setiment Analysis of Public Opinion on The Go-Jek Indonesia Through Twitter Using Algorithm Support Vector Machine," Journal of Physics: Conference Series, vol. 1462, 202.
T. S. S. Y. A. Mujaddid Izzul Fikri, "Perbandingan Metode Naive Bayes dan Support Vector Machine pada Analisis Sentimen Twitter," SMATIKA JURNAL, vol. 10 No 02, pp. 71-76, 2020.
Y. K. S. Derick Iskandar, "Perbandingan Akurasi Klasifikasi Tingkat Kemiskinan Antara Algoritma C4.5 dan Naive Bayes," Network Engineering Research Operation, vol. 2 No. 1, 2016.
