ANALISIS RESPON PENGGUNA SOSIAL MEDIA TWITTER TERHADAP KASUS FERDY SAMBO MENGGUNAKAN SENTIMENT ANALYSIS DAN TEXT MINING
MUHAMMAD RAFIANSYAH

Informasi Umum

Kode

23.04.5710

Klasifikasi

658 - General management, General business management, General industrial Management

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Big Data

Dilihat

40 kali

Informasi Lainnya

Abstraksi

<p>Penelitian ini dilatar belakangi oleh keresahan penulis terhadap kasus Ferdy Sambo yang cukup menjadi perbincangan hangat di kalangan masyarakat. Dengan munculnya kasus ini, terlebih dengan pelaku utama merupakan jendral besar kepolisian membuat sentimen masyarakat berubah terhadap organisasi kepolisian secara keseluruhan. Kemudian, Twitter pun digunakan untuk mendapatkan data terkait sentiment masyarakat tersebut dikarenakan jumlah penggunanya yang terus bertambah.</p>

<p>Tujuan dari penelitian ini adalah untuk mengetahui bagaimana respon para pengguna media sosial di Twitter terhadap kasus Ferdy Sambo, dan mengetahui nilai persepsi analisis sentimen dari  para pengguna twitter menjadi tiga kategori nilai perspektif analisis sentimen yaitu, positif, negatif dan netral<em>. </em>Dengan menggunakan <em>sentiment analysis</em> pada <em>text mining</em>, penelitian ini dilakukan untuk mencari kata-kata apa yang sering muncul dari komentar serta respon para pengguna Twitter terhadap kasus ini. Dari kata-kata tersebut kemudian dengan menggunakan <em>word cloud</em> akan divisualisasikan kata yang paling sering muncul serta frekuensi dari kata-kata yang muncul tersebut.</p>

<p>Dari hasil analisis yang telah dilakukan, didapat hasil yang menunjukkan bahwa dari 15.002 data, kata atau pendapat yang diberikan oleh pengguna Twitter adalah negatif. Hasil tersebut juag didukung oleh hasil perhitungan tingkat akurasi sebesar 97%, presisi 95%, dan tingkat <em>recall</em> sebesar 90%.</p>

<p>Hasil dari penelitian ini diharapkan mampu memberikan gambaran mengenai tanggapan para pengguna media sosial terhadap suatu kasus, dimana kasus yang negatif akan memberikan pendapat yang negatif, dan sebaliknya. Selain itu, diharapkan juga penelitian ini dapat menjadi acuan bagi penelitian selanjutnya mengenai topik atau metode yang serupa.</p>

<p> </p>

<p><strong>Kata kunci: </strong><em>Sentiment analysis</em>,  Twitter, <em>word cloud</em>, positif, negatif, netral, Ferdy Sambo</p>

• BM63A3 - BIG DATA DAN DATA ANALITIK

Koleksi & Sirkulasi

Tersedia 1 dari total 1 Koleksi

Pengarang

Penerbit

Sirkulasi

Download / Flippingbook