Twitter merupakan salah satu platform terbesar dimana banyak sekali pesan singkat (tweets) yang dipublikasikan setiap harinya. Pengguna cenderung mengekspresikan opini dan pikiran mereka secara bebas melalui Twitter sehingga Twitter menjadi sumber yang ideal untuk menangkap opini publik dan pendapat masyarakat terhadap topik-topik tertentu seperti brand, produk atau tokoh. Salah satu fitur yang terdapat pada twitter adalah hashtag. Hashtag ditandai dengan simbol pagar (#) yang diletakkan di depan topik atau frase. Hashtag sangat sering digunakan dalam tweet untuk menyatakan topik dari suatu tweet secara kasar.
Tugas akhir ini menggunakan sifat co-occurence antara hashtag topik dan hashtag lainnya yang bertetangga yang kemudian direpresentasikan dalam suatu model graf, bobot positif dan negatif tiap tweet dan algoritma Loopy Belief Propagation untuk menentukan polaritas sentimen-sentimen dari suatu topik dalam periode waktu tertentu, apakah topik tersebut positif atau negatif. Nilai probabilitas polaritas tiap tweet diperoleh dengan mengkonversikan nilai score s yang diperoleh dari hasil klasifikasi tweet menggunakan SVMlight.
Analisa Sentimen, Hashtag, Graph-based Classification, Loopy Belief Propagation