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