ANALISA SENTIMEN TERHADAP TAGAR #dirumahaja MELALUI TWITTER DI INDONESIA

research
  • 12 May
  • 2022

ANALISA SENTIMEN TERHADAP TAGAR #dirumahaja MELALUI TWITTER DI INDONESIA

Kebiasaan baru atau New Normal kini mau tidak mau diterapkan diberbagai bidang. Selama pandemi Covid-19, masyarakat dituntut untuk melakukan berbagai hal di rumah mereka masing-masing. Media sosial menjadi semakin pesat pemanfaatannya oleh masyarakat, salah satunya twiiter memiliki banyak fungsi dan tujuan. Twitter dapat menjadi penyebar informasi berupa himbauan, seperti tagar dirumahaja yang digaungkan oleh pemerintah dan masyarakat Indonesia. Penggunaan tagar dirumahaja tersebut memiliki berbagai macam opini, seperti opini positif maupun negatif. Penelitian ini mencoba menganalisa kicauan berbahasa Indonesia yang menggunakan tagar dirumahaja untuk mengetahui bagaimana pandangan masyarakat di Indonesia mengenai tagar tersebut. Metode yang digunakan yaitu scraping data dari Twitter dengan jumlah data 200 kicauan kemudian dianalisa menggunakan metode text mining berbasis lexicon, hasil sentimen yang didapat dari kicauan menggunakan metode Bing Vector. Hasil analisa sentimen pada penelitian ini mendapat skor positif berjumlah 49, dan skor negatif berjumlah 48. Skor negatif hampir mengimbangi skor positif disebabkan tingginya persentase emosi Anticipation sebesar 40% yang menggambarkan kekhawatiran warganet pengguna twitter terhadap pandemi virus covid-19 yang mereka tuangkan melalui kicauan bertagar dirumahaja

Unduhan

 

REFERENSI

Ajimat, Denok Sunarso, F. S. P. (2020). BERWIRAUSAHA MEMANFAATKAN MEDIA SOSIAL PADA DAERAH SEPATAN, 1(1), 69–76. Alamoodi, A., Zaidan, B., Zaidan, A., Albahri, O., Malik, R., Almahdi, E., … Alaa, M. (2020). Sentiment Analysis and Its Applications in Fighting COVID-19 and Infectious Diseases: A Systematic Review. Expert Systems With Applications, 114155. https://doi.org/10.1016/j.eswa.2020.114155 Alom, Z., Carminati, B., & Ferrari, E. (2020). A deep learning model for Twitter spam detection. Online Social Networks and Media, 18, 100079.https://doi.org/10.1016/j.osnem.2020.100079 Budiman, A. E. (2020). Analisis Pengaruh Teks Preprocessing Terhadap Deteksi Plagiarisme Pada Dokumen Tugas Akhir, 6, 475–488. García-díaz, J. A., Cánovas-garcía, M., & Valencia-garcía, R. (2020). Ontology-driven Aspect-based Sentiment Analysis classification: An Infodemiological case study regarding infectious diseases in Latin America. Future Generation Computer Systems. https://doi.org/10.1016/j.future.2020.06.019 Hartog, D. N. Den. (2017). Text Mining in Organizational Research. https://doi.org/10.1177/1094428117722619 Khasanah, F. N., Samsiana, S., & Handayanto, R. T. (2020). Pemanfaatan Media Sosial dan Ecommerce Sebagai Media Pemasaran Dalam Mendukung Peluang Usaha Mandiri Pada Masa Pandemi Covid 19, 1(1), 51–62. Khoo, C. S. G. (2017). Lexicon-based sentiment analysis : Comparative evaluation of six sentiment lexicons. https://doi.org/10.1177/0165551517703514 Máverick, R. F., Anderson, A., Evandro, P., & Romero, C. (2019). Text mining in education, (June). https://doi.org/10.1002/widm.1332 Palkar, R. K., Gala, K. D., Shah, M. M., & Shah, J. N. (2016). Comparative Evaluation of Supervised Learning Algorithms for Sentiment Analysis of Movie Reviews. International Journal of Computer Applications, 142(1), 975–8887. Retrieved from http://www.ijcaonline.org/archives/volume142/number1/palkar-2016-ijca-909660.pdf Pejic-bach, M., Bertoncel, T., Meško, M., & Krstić, Ž. (2019). Text mining of industry 4 . 0 job advertisements. International Journal of Information Management, (July), 1–16. https://doi.org/10.1016/j.ijinfomgt.2019.07.014 Rahutomo, F., Puspitasari, D., & Sulistyoningrum, T. E. (2020). Implementasi Single Pass Clustering pada Preprocessing Temu Kembali Koleksi Berita, 6(1), 86–94. Singh, P., Dwivedi, Y. K., Singh, K., & Pathania, A. (2019). Can twitter analytics predict election outcome ? An insight from 2017 Punjab assembly elections. Government Information Quarterly, (December), 101444. https://doi.org/10.1016/j.giq.2019.101444 Soekarno, J., No, H., Lowokwaru, K., Malang, K., & Timur, J. (2019). IMPLEMENTASI SUPPORT VECTOR MACHINE PADA ANALISA, 10, 83–88. Zhang, L., Wang, S., & Liu, B. (2018). Deep learning for sentiment analysis : A survey, (January), 1–25. https://doi.org/10.1002/widm.1253

Cari

Bidang Ilmu

Kategori

Kiriman Terbaru