ANALISIS SENTIMEN PADA SOSIAL MEDIA TENTANG IMPLEMENTASI KEBIJAKAN PSE KOMINFO MENGGUNAKAN ALGORITME LEXICON BASED
DOI:
https://doi.org/10.36815/semastek.v1i1.2Keywords:
Twitter, PSE Kominfo, Lexicon BasedAbstract
Twitter merupakan salah satu media sosial yang memungkinkan penggunanya untuk bebas membuat tweet apa yang sedang terjadi, termasuk kritik dan masukkan bagi instansi pemerintah. Masyarakat di media sosial banyak yang menjukkan reaksi terhadap kebijakan PSE Kominfo dengan menuliskan opini pada twitter. Opini yang ada pada twitter dapat diambil informasi unik yang dapat menjadi masukkan bagi pemerintah dan bagi pengguna twitter lain. Pemanfaatan algoritme Lexicon Based dapat memberikan hasil klasifikasi pada tweet berbahasa Indonesia berupa sentimen positif, negatif atau netral. Data diambil menggunakan library Twint didapatkan data sebanyak 3300 tweet, kemudian dilakukan preprocessing data (stemming, stopword, removing duplicate tweets) selanjutnya dihitung polatitas tweet menggunakan metode Lexicon Based. Hasil penelitian didapatkan opini masyarakat dengan sentimen negatif sebesar 80,1%, sehingga dapat disimpulkan bahwa opini masyarakat di twitter yang masih negatif atau kontra dengan implementasi kebijakan PSE.
References
L. Septiani, “Ramai Tagar Blokir Kominfo, Ini Pro dan Kontra Aturan PSE - Teknologi Katadata.co.id,” katadata.co.id, 2021. https://katadata.co.id/yuliawati/digital/62e7c0d407df1/ramai-tagar-blokir-kominfo-ini-pro- dan-kontra-aturan-pse (accessed Aug. 03, 2022).
P. Kominfo, “Penyelenggaraan Sistem Elektronik Lingkup Privat.” Menteri Komunikasi dan Informatika Republik Indonesia, Jakarta, pp. 1–40, 2020.
L. Rizkinaswara, “Penggunaan Internet di Indonesia – Ditjen Aptika,” 2019. https://aptika.kominfo.go.id/2019/08/penggunaan-internet-di-indonesia/ (accessed Aug. 03, 2022).
H. Hamdan, P. Bellot, and F. Bechet, “Lsislif: Feature Extraction and Label Weighting for Sentiment Analysis in Twitter,” SemEval 2015 - 9th Int. Work. Semant. Eval. co-located with 2015 Conf. North Am. Chapter Assoc. Comput. Linguist. Hum. Lang. Technol. NAACL-HLT 2015 - Proc., pp. 568–573, 2015, doi: 10.18653/V1/S15-2095.
F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” Proc. 2017 Int. Conf. Asian Lang. Process. IALP 2017, vol. 2018-January, pp. 391–394, Feb. 2018, doi: 10.1109/IALP.2017.8300625.
Y. N. Yudha, D. Winarso, and syahril, “Analisis Sentimen Masyarakat Pada Twiter Terhadap Isu Covid-19 Menggunakan Metode Lexicon Based,” J. FASILKOM (teknologi Inf. dan ILmu KOMputer), vol. 11, no. 2, pp. 97–103, Aug. 2021, doi: 10.37859/JF.V11I2.2772.
P. P. O. Mahawardana, G. A. Sasmita, and I. P. A. E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘Figure Pemimpin’ Menggunakan Python | JITTER : Jurnal Ilmiah Teknologi dan Komputer,” JITTER J. Ilm. Teknol. dan Komput., vol. 3, no. 1, pp. 810–820, 2022, Accessed: Aug. 03, 2022. [Online]. Available: https://ojs.unud.ac.id/index.php/jitter/article/view/82975
D. Wulandari, R. Saedudin, and R. Andreswari, “Analisis Sentimen Media Sosial Twitter Terhadap Reaksi Masyarakat Pada Ruu Cipta Kerja Menggunakan Metode Klasifikasi Algoritma Naive Bayes | Wulandari | eProceedings of Engineering,” in eProceedings of Engineering, 2021, pp. 9007–9016. Accessed: Aug. 03, 2022. [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/15 883
E. Y. Hidayat, R. W. Hardiansyah, and A. Affandy, “Analisis Sentimen Twitter untuk Menilai Opini Terhadap Perusahaan Publik Menggunakan Algoritma Deep Neural Network,” J. Nas. Teknol. dan Sist. Inf., vol. 7, no. 2, pp. 108–118, Sep. 2021, doi: 10.25077/TEKNOSI.V7I2.2021.108-118.
A. Syaifuddin, R. A. Harianto, and J. Santoso, “Analisis Trending Topik untuk Percakapan Media Sosial dengan Menggunakan Topic Modelling Berbasis Algoritme LDA,” INSYST J. Intell. Syst. Comput., vol. 2, no. 1, pp. 12–19, Apr. 2020, doi: 10.52985/INSYST.V2I1.150.
