Analisis Sentimen Publik Terhadap Aksi Demonstrasi di Indonesia Menggunakan Support Vector Machine Dan Random Forest

Ni Made Tara Okta Adriana; I Made Agus Dwi Suarjaya; Dwi Putra Githa

doi:10.51454/decode.v3i2.187

Authors

Ni Made Tara Okta Adriana Teknologi Informasi Universitas Udayana
I Made Agus Dwi Suarjaya Teknologi Informasi Universitas Udayana
Dwi Putra Githa Teknologi Informasi Universitas Udayana

DOI:

https://doi.org/10.51454/decode.v3i2.187

Keywords:

demonstrasi, random forest, support vector machine, twitter

Abstract

Indonesia adalah sebuah negara demokrasi yang memberikan kebebasan bagi setiap warganya untuk berekspresi dan mengeluarkan pendapat, salah satunya melalui demonstrasi. Namun, kadang kala kebebasan tersebut disalahgunakan oleh pihak-pihak tertentu yang menyebabkan adanya demonstrasi yang diikuti oleh kerusuhan dan aksi anarkis, sehingga menimbulkan berbagai macam kerugian. Penelitian ini bertujuan untuk mengetahui pandangan masyarakat terkait aksi demonstrasi yang terjadi di Indonesia melalui tweets pada media sosial Twitter dengan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Pada penelitian ini terdapat penambahan proses untuk menghilangkan kata-kata yang tidak terdaftar pada Kamus Besar Bahasa Indonesia (KBBI) karena tweets pada media sosial Twitter cenderung lebih banyak menggunakan bahasa gaul atau bahasa yang tidak baku, sehingga penambahan proses ini diharapkan dapat memberikan data bersih yang lebih baik. Klasifikasi pada penelitian ini dibagi menjadi 3 kelas, yaitu positif, negatif, dan netral. Pengujian yang telah dilakukan mendapatkan nilai akurasi paling baik dengan menggunakan algoritma SVM, yaitu sebesar 80,3%. Hasil klasifikasi menunjukkan bahwa sebesar 54,98% atau sekitar 960.519 data merupakan klasifikasi negatif yang diikuti oleh sentimen netral sebanyak 29,15% dan sentimen positif sebesar 15,86%.

References

Ainurrohmah, A. (2021, February). Akurasi Algoritma Klasifikasi pada Software Rapidminer dan Weka. PRISMA, Prosiding Seminar Nasional Matematika, 493-499.

Aldean, M. Y., Paradise, P., & Nugraha, N. A. S. (2022). Analisis Sentimen Masyarakat Terhadap Vaksinasi Covid-19 di Twitter Menggunakan Metode Random Forest Classifier (Studi Kasus: Vaksin Sinovac). Journal of Informatics Information System Software Engineering and Applications (INISTA), 4(2), 64-72.

Arsi, P., & Waluyo, R. (2021). Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM). Jurnal Teknologi Informasi Dan Ilmu Komputer, 8(1), 147-156. https://doi.org/10.25126/jtiik.0813944

Fitriyyah, S. N. J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(3), 279-285. https://doi.org/10.26418/jp.v5i3.34368

Herdiyani, T. C., & Zailani, A. U. (2022). Sentiment Analysis Terkait Pemindahan Ibu Kota Indonesia Menggunakan Metode Random Forest Berdasarkan Tweet Warga Negara Indonesia. 3(2), 154-165.

Indonesia, C. (2020). 22 Mei Setahun yang Lalu, Jakarta Membara di Masa Pemilu. https://www.cnnindonesia.com/nasional/20200522051704-20-505747/22-mei-setahun-yang-lalu-jakarta-membara-di-masa-pemilu

Krisnasari, N. K. A., Suarjaya, I. M. A. D., & Raharja, I. M. S. (2022). Classification of Public Figures Sentiment on Twitter using Big Data Technology. Journal of Informatics and Telecommunication Engineering, 6(1), 157-169. https://doi.org/10.31289/jite.v6i1.7329

Laila, K. (2019). Hukum Progresif sebagai Solusi Kebebasan Berpendapat dengan Asas Demokrasi Pancasila. Jurnal Cakrawala Hukum, 10(2), 177-186. https://doi.org/10.26905/idjch.v10i2.3546

Mardiana, T., Syahreva, H., & Tuslaela, T. (2019). Komparasi Metode Klasifikasi Pada Analisis Sentimen Usaha Waralaba Berdasarkan Data Twitter. Jurnal Pilar Nusa Mandiri, 15(2), 267-274. https://doi.org/10.33480/pilar.v15i2.752

Mulya, S., & Sujaini, H. (2022). Analisis Sentimen Tren Olahraga di Masa Pandemi COVID-19 pada Twitter dengan Metode Naïve. 8(2), 284-291.

Nabilla, F. (2022). 4 Aksi Demo Mahasiswa Terbesar di Indonesia Sepanjang Sejarah, Terbaru Tahun 2019. https://www.suara.com/news/2022/04/10/172437/4-aksi-demo-mahasiswa-terbesar-di-indonesia-sepanjang-sejarah-terbaru-tahun-2019?page=2

Natasuwarna, A. P. (2020). Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring. Techno.Com, 19(4), 437-448. https://doi.org/10.33633/tc.v19i4.4044

Naufal, M. F., & Kusuma, S. F. (2022). Analisis Sentimen pada Media Sosial Twitter Terhadap Kebijakan Pemberlakuan Pembatasan Kegiatan Masyarakat Berbasis Deep Learning. Jurnal Edukasi dan Penelitian Informatika, 8(1), 44-49.

Oktaviana, N. E., Sari, Y. A., & Indriati. (2022). Analisis Sentimen Terhadap Kebijakan Kuliah Daring Selama Pandemi Menggunakan Pendekatan Lexicon Based Features Dan Support Vector Machine. Jurnal Teknologi Informasi Dan Ilmu Komputer (JTIIK), 9(2), 357-362. https://doi.org/10.25126/jtiik.202295625

Pane, S. F., Owen, A., & Prianto, C. (2021). Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine. Jurnal Telekomunikasi Dan Komputer, 11(2), 130-142. https://doi.org/10.22441/incomtech.v11i2.10874

Saputra, S., & Rosadi, O. (2019). Efektivitas Penggunaan Kekuatan Oleh Kepolisian Dalam Menangani Aksi Unjuk Rasa Anarkis Di Kota Padang (Studi Pada Satsabhara Polresta Padang). UNES Law Review, 1(3), 309-317. https://doi.org/10.31933/law.v1i3.42

Tamrizal, A. M., & Yaqin, A. Perbandingan Algoritma Naïve Bayes, K-Nearest Neighbors dan Random Forest untuk Klasifikasi Sentimen Terhadap BPJS Kesehatan pada Media Twitter. InComTech : Jurnal Telekomunikasi Dan Komputer, 12(1), 01. https://doi.org/10.22441/incomtech.v12i1.13642