Analisis Respon Pengguna Twitter Terhadap Tragedi Kanjuruhan Malang Menggunakan Setiment Analysis Dan Topic Modelling
Abstract
Tragedi kanjuruhan malang merupakan sebuah kecelakaan dan sebuah tragedi yang cukup mengerikan dalam olahraga sepakbola di Indonesia, dimana ratusan nyawa melayang begitu saja dalam dunia olahraga yang harusnya menjadi tontonan hiburan bagi masyarakat. Tentunya dari ramainya publik yang membicarakan kejadian tersebut menjadi sebuah pertanyaan bagaimana respon dan apa saja opini yang di keluarkan oleh para pengguna twitter terkait dengan kejadian tragedi kanjuruhan malang sebagai objek penelitian. Tujuan dari penelitian ini adalah untuk mengetahui bagaimana respon yang dikeluarkan oleh para pengguna twitter terkait dengan kejadian tragedi kanjuruhan malang, apakah mengarah kea rah positif, negatif atau netral, serta mengetahui apa saja topik yang di bahas atau dibicarakan terkait dengan kejadian tersebut. Untuk mencapai tujuan dari penelitian, penulis menggunakan metode sentiment analysis untuk mengetahui respon para pengguna twitter mengarah kea rah positif, negatif, ataupun netral. Selain itu juga penulis memakai metode Topic Modelling sebagai metode untuk mengetahui topik pembicaraan yang dibahas pengguna twitter terkait dengan kejadian tragedi kanjuruhan. Berdasarkan hasil analisis yang telah dilakukan, didapatkan hasil analisis dari 10.918 data cuitan (teks) yang diungkapkan para pengguna twitter, mendapatkan respon negatif mengenai kejadian tersebut, hal ini didukung dengan hasil akurasi penelitian sebesar 97% dan presisi sebesar 88%. Berdasarkan hasil pengolahan topic modelling didapatkan 5 topik utama dengan kata kuncinya, Kata kunci-sentiment analysis, Twitter, topic modelling, tragedi kanjuruhan.References
Ariffin, R. D. (2022, Mei 07). Pengertian Twitter beserta Sejarah, Fitur, Fungsi, Manfaat, dll. Retrieved from
dianisa.com: https://dianisa.com/pengertian-twitter/
Bahja, M., & Lycett, M. (2016). Identifying Patient Experience from Online Resources via. 3rd International
Conference on Big Data Computing, Applications and Technologies.
Baktora, M. I. (2022, Oktober 02). Korban Meninggal Tragedi Kanjuruhan 125 Orang, Pemain Bola Dunia Layangkan
Doa Belasungkawa. Retrieved from jogja.suara.com: https://jogja.suara.com/read/2022/10/02/225000/korbanmeninggal-tragedi-kanjuruhan-125-orang-pemain-bola-dunia-layangkan-doa-belasungkawa
Bratawisnu, M. K., & Alamsyah, A. (2018). SOCIAL NETWORK ANALYSIS UNTUK ANALISA INTERAKSI
USER DIMEDIASOSIAL MENGENAI BISNIS E-COMMERCE (STUDI KASUS: LAZADA,
TOKOPEDIA DAN ELEVENIA). JURNAL MANAJEMEN DAN BISNIS (ALMANA).
Dr. Andry Alamsyah, S. ,., Syahrir, .. S., & Dian Puteri Ramadhani, S. M. (2022). Analisis Respon Masyarakat Terhadap
Industri Jasa Keuangan Berbasis. Jurnal Telkom University.
Firdaus, A., & Firdaus, W. I. (2021). Text Mining Dan Pola Algoritma DalamPenyelesaianMasalah Informasi : (Sebuah
Ulasan). Jurnal JUPITER.
Irianto, T. (2021, Jlu 01). Kepolisian Negara Republik Indonesi. Retrieved from kompaspedia.kompas.id:
https://kompaspedia.kompas.id/baca/profil/lembaga/kepolisian-negara-republik-indonesia
Prasetioa, A., Rahmana, D. A., Sarya, F. P., Pasaribu, R. D., & Sutjipto, M. R. (2022). The role of Instagram social
media marketing activities and brand equity towards airlines customer. International Journal of Data and
Network Science. doi:10.5267/j.ijdns.2022.6.014
Jabalameli, S., Xu, Y., & Shetty, S. (2022). Spatial and sentiment analysis of public opinion toward COVID-19.
International Journal of Disaster Risk Reduction.
Leelawat, N., & Jariyapongpaiboon, S. (2022). Twitter data sentiment analysis of tourism in Thailand during the
COVID-19. Heliyon.
Liu, B. (2012). Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers.
Maryanto, B. (2017). BIG DATA DAN PEMANFAATANNYA DALAM BERBAGAI SEKTOR. Media Informatika.
Mutia, A. (2022, Oktober 05). Update: Daftar 131 Korban Meninggal Tragedi Stadion Kanjuruhan, 39 Korban Usia
Anak. Retrieved from databooks.katadata.co.id:
Nezhad, Z. B., & Deihimi, M. A. (2022). Twitter sentiment analysis from Iran about COVID 19 vaccine. Diabetes &
Metabolic Syndrome: Clinical Research & Reviews.
Nurlayli, A., & Nasichuddin, M. A. (2019). Topic Modeling Penelitian Dosen JPTEI UNY pada Google Scholar.
ELINVO (Electronics, Informatics, and Vocational Education).
orangedatamining.com. (2022, Januari 08). OrangeDataMining. Retrieved from orangedatamining.com:
pikiran-rakyat.com. (2022, Oktober 04). Retrieved from pikiran-rakyat.com: https://www.pikiranrakyat.com/index.php?mib=beritadetail&id=16956
Prof. Dr. Jogiyanto HM, M. A. (2005). Analisis & Desain Sistem Informasi: Pendekatan Terstruktur Teori dan praktik
Aplikasi Bisnis.
Purwandini, F. P. (2017). ANALISIS ISI OPINI PUBLIK TENTANG KEBIJAKAN PEMERINTAH PUSAT DI
BIDANG SOSIAL, EKONOMI, DAN BUDAYA. JURNAL KOMUNIKASI,
MEDIA DAN INFORMATIKA.
Putra, I. M., & Kusumawardani, R. P. (2017). Analisis Topik Informasi Publik Media Sosial di Surabaya Menggunakan
Pemodelan Latent Dirichlet Allocation (LDA). Jurnal Teknik ITS.
Sugiyono. (2006). Metode Penelitian Bisnis. Bandung: Alfabeta.
Sugiyono. (2019). Metode Penelitian Kuantitatif, Kualitatif, dan R&D. Bandung: Alfabeta.
Yousefinaghani, S., Dara, R., Mubareka, S., Papadopoulos, A., & Sharif, S. (2021). An analysis of COVID-19 vaccine
sentiments and opinions on. International Journal of Infectious Diseases.
Fitri, V. A., Andreswari, R., & Hasibuan, M. A. (2019). Sentiment Analysis of Social Media Twitter with Case of AntiLGBT Campaign in Indonesia using Naive Bayes, Decision Tree, and Random Forest Algorithm. Procedia
Computer Science.
Mansour, S. (2018). Social Media Analysis of User's Responses to Terrorism Using Sentiment Analysis and Text
Mining. Procedia Computer Science Volume 140, 2018, Pages 95-103.
Budiharto, W., & Meiliana, M. (2018). Prediction and analysis of Indonesia Presidential election from Twitter using
sentiment analysis. Journal of Big Data. doi:https://doi.org/10.1186/s40537-018-0164-1
Singh, P., Sawhney, R. S., & Kahlon, K. S. (2018). Sentiment analysis of demonetization of 500 & 1000 rupee banknotes
by Indian government. ICT Express. doi:https://doi.org/10.1016/j.icte.2017.03.001
Az-Zahra, F., Alamsyah, A., Trianasari, N., & Barokah, M. R. (2021). The Correlation Analysis of Stock Price Towards.
International Conference on Data Science and Its Applications (ICoDSA).
doi:https://doi.org/10.17632/v5gxmwyg79.1
Masrury, R. A., Fannisa, & Alamsyah, A. (2019). Analyzing Tourism Mobile Applications Perceived Quality using
Sentiment Analysis and Topic. International Conference on Information and Communication Technology
(ICoICT). doi:doi:10.1109/icoict.2019.8835255
Az-Zahra, F., Alamsyah, A., Trianasari, N., & Barokah, M. R. (2021). The Correlation Analysis of Stock Price Towards.
International Conference on Data Science and Its Applications (ICoDSA).
doi:https://doi.org/10.17632/v5gxmwyg79.1
Masrury, R. A., Fannisa, & Alamsyah, A. (2019). Analyzing Tourism Mobile Applications Perceived Quality using
Sentiment Analysis and Topic. International Conference on Information and Communication Technology
(ICoICT). doi:doi:10.1109/icoict.2019.8835255
Kementrian Koordinator Bidang Politik, Hukum dan Keamanan. (2022). Laporan Tim Gabungan Independen Pencari
Fakta Tragedi Stadion Kanjuruhan Malang. Kementrian Koordinator Bidang Politik, Hukum dan Keamanan,
Jakarta. Retrieved from https://polkam.go.id/laporan-tgipf-tragedi-kanjuruhan/
Litha, Y. (2022). Survei LSI: 42% Warga Ragu Polisi akan Tuntaskan Penyelidikan Kasus Kanjuruhan. Retrieved from
voaindonesia.com: https://www.voaindonesia.com/a/survei-lsi-42-warga-ragu-polisi-akan-tuntaskanpenyelidikan-kasus-kanjuruhan/6804063.html
