ABSTRAKSI: Berbagai situs social media, sering kali memberikanfeedback dari para follower terkait user yang mereka follow sebelumnya. Review dari follower dapat dijadikan pertimbangan sebagai sumber informasi yang berguna baik untuk pihak follower itu sendiri maupun untuk pihak user tersebut.Namun untuk user yang memiliki jumlah follower yang sangat banyak. Ini dapat menyulitkan follower lain jika harus membaca satu per satu semua review yang ada. Maka dari itu diperlukan suatu sistem yang dapat menilaireview atau opini dari followerberdasarkan tweet. Salah satu solusi yang diusulkan adalah melakukan suatu penilaian terhadap opini dari user. Heterogenous graph model adalah salah satu metode berorientasikan graph dimana pemodelan datanya dimodelkan dalam bentuk graph dalam hal ini user yang terhubung langsung secara langsung atau directedyang akan dipakai dalam penentuan klasifikasi user yang akan diambil.Hasil pengujian menunjukan bahwa nilai akurasiberdasarkan directed graph lebih baik jika dibandingkan penilaian berdasarkan komentar asli sajadengan rata-rata akurasiyang dihasilkan pada kisaran 69%. Besarnya nilai akurasiini dipengaruhi oleh jumlah kata dan varian kata pada tiap reviewuser.
KATA KUNCI: Social media, Sentiment analysis, Opinion mining, TwitterABSTRACT: Various social media sites, often give feedback from the follower with a user that they follow previously. Review of online followers may be one consideration as a source of valuable information both for the follower itself and for the topic. However, for users who has many followers. It can be difficult for another follower if it must read one by one of all the existing reviews. Therefore we need a system that can summarize a review of the userbased on tweet.One proposed solution is to conduct an assessment of the users' opinion. Graph-based is one of method that graph-oriented data where the modeling data is modeled in graph form in this case the user is directly connected which will be used in determining the classification of a user to be taken.The test results show that the accuracy value based on directed graph is better than compared with assessment based on the original commentary with average accuracy produced in the range of 69%. The value of this accuracy is affected by the number of words and word variants for each user review.
KEYWORD: social media, sentiment analysis, opinion mining, Twitter