Identifikasi Keberpihakan Tweet Pada Twitter Menggunakan Naive Bayes Classifier Berdasarkan Klasifikasi Emosi Menggunakan Class Sequential Rules (studi Kasus: Pemilihan Presiden 2019)

Rizky Wahyu Kurniawati, Anisa Herdiani, Indra Lukmana Sardi

Abstract

Abstrak
Penggunaan media sosial untuk analisis politik menjadi hal yang umum terjadi, terutama selama
pemilihan presiden (pilpres). Banyak peneliti dan media mencoba menggunakan media sosial untuk
memahami opini dan tren publik. Twitter merupakan media sosial yang digunakan sebagai tempat banyak
masyarakat di internet memberikan opininya termasuk terkait pilpres. Beragam jenis emosi ditunjukkan
oleh mereka melalui tweetnya dan suatu jenis emosi tertentu dapat menentukan kecenderungan
keberpihakan seseorang terhadap suatu paslon. Klasifikasi emosi pada tweet diperlukan untuk mengetahui
seberapa banyak masyarakat yang berpihak pada suatu paslon. Dalam satu tweet dapat terdiri lebih dari
satu kalimat dan banyak kata. Susunan kata juga dapat mempengaruhi hasil emosi yang disimpulkan. Pada
penelitian ini metode Class Sequential Rules (CSR) digunakan karena kemampuannya dalam pendekatan
berbasis pola bahasa didukung dengan pendekatan berbasis leksikon. Selain itu, juga menggunakan Naive
Bayes Classifier (NBC) untuk mengidentifikasikan keberpihakan tweet terhadap suatu pasangan calon.
Dengan metode tersebut, hasil yang didapatkan dari sistem yaitu keberpihakan kepada Jokowi sebesar
67.5% sedangkan Prabowo sebesar 35.5% serta didapatkan F1-Score sebesar 67.83%.

Kata kunci : klasifikasi, emosi, prediksi, pilpres, CSR, twitter.

Abstract
The use of social media for political analysis is common, especially during presidential elections. Many
researchers and media try to use social media to understand public opinion and trends. Twitter is a social
media that is used as a place for many people on the internet to give their opinions, including those related
to the presidential election. Various types of emotions are shown by them through their tweets and a certain
type of emotion can determine a person's tendency to align with a paslon. Emotional classification on tweets
is needed to find out how many people are in favor of a paslon. In one tweet can consist of more than one
sentence and many words. Word order can also affect the outcome of emotions that are inferred. In this
study the Class Sequential Rules (CSR) method is used because its ability in a language pattern-based
approach is supported by a lexicon-based approach. In addition, it also uses Naive Bayes Classifier to
identify tweet alignments towards a candidate pair. With this method, the results obtained from the system
are alignments to Jokowi by 67.5% while Prabowo by 35.5% and F1-Score of 67.83%.

Keywords: classification, emotion, prediction, election, CSR, twitter

 

Full Text:

PDF

Refbacks

  • There are currently no refbacks.
max_upload :0