Analisis Sentimen Opini Masyarakat Terhadap Pasangan Calon Presiden Dan Wakil Presiden Pada Media Sosial Twitter Menggunakan Ontology Supported Polarity Mining (studi Kasus: Pemilihan Umum 2019)

Abstract

Abstrak
Pemilihan umum (pemilu) presiden dan wakil presiden tak lepas dari pembicaraan publik. Masyarakat
bebas mengemukakan opininya baik melalui media sosial maupun di dunia nyata. Salah satu media
sosial yang digemari masyarakat untuk menyampaikan opini adalah Twitter. Banyaknya masyarakat
yang beropini mengenai pemilihan presiden di Twitter dapat menghasilkan informasi yang dapat
dimanfaatkan lembaga survei untuk menentukan tingkat keterpilihan atau elektabilitas pasangan calon
presiden dan wakil presiden. Oleh karena itu, perlu adanya analisis sentimen opini masyarakat tentang
Pemilihan Umum 2019 yang berkaitan dengan para pasangan calon, sehingga dapat diketahui
bagaimana penilaian masyarakat terhadap pasangan calon presiden dan wakil presiden yang sudah
diklasifikasikan ke dalam masing-masing aspek secara spesifik. Metode yang digunakan untuk analisis
sentimen opini masyarakat adalah Ontology Supported Polarity Mining (OSPM). Metode OSPM dipilih
karena dapat meningkatkan penambangan polaritas dengan ontologi yang dapat memberikan informasi
suatu topik secara terperinci. Hasil menunjukkan bahwa OSPM dengan teknik penambangan polaritas
rule dapat mengklasifikasikan sentinmen level aspek dan menghasilkan akurasi sebesar 93.76%
sedangkan tanpa rule rata-rata akurasi sebesar 85.11%, dengan kata lain rule dapat meningkatkan
akurasi sebesar 8.65%.

Kata Kunci : sentimen, level aspek, OSPM, pilpres, twitter
Abstract
The general election (election) of the president and vice president cannot be separated from public
discussion. People are free to express their opinions both through social media and in the real world. One
of the social media favored by the public to express their opinion is Twitter. The number of people who
think about the presidential election on Twitter can produce information that can be used by survey
institutions to determine the level of electability or electability of candidates for president and vice
presidential candidates. Therefore, it is necessary to analyze the sentiment of public opinion about the
2019 General Election relating to the candidate pairs, so that it can be seen how the community evaluates
the presidential and vice presidential candidate pairs that have been specifically classified into each
aspect. The method used for public opinion sentiment analysis is Ontology Supported Polarity Mining
(OSPM). The OSPM method was chosen because it can improve polarity mining with ontologies that can
provide detailed information on a topic. The results show that OSPM with polarity rule mining
techniques can classify sentinmen level aspects and produce an accuracy of 93.76% while without rule the
average accuracy is 85.11%, in other words the rule can increase accuracy by 8.65%.

Keywords : sentiment, aspect level, OSPM, presidential election, twitter