ANALISIS SENTIMEN TERHADAP PENGGEMAR K-POP DI MEDIA SOSIAL TWITTER MENGGUNAKAN NAIVE BAYES (STUDI KASUS PENGGEMAR GRUP BTS)
Article Sidebar
Main Article Content
Abstract
Abstrak” Perkembangan Twitter sebagai platform yang digandrungi masyarakat terbukti dengan data Statista [1] yang menunjukkan bahwa Indonesia peringkat tujuh di dunia dengan banyak pengguna mencapai 13.2 juta. Banyak pengguna mengutarakan pendapat di dalam Twitter. Termasuk juga dengan ujaran kebencian hingga perundungan. Menjadikan penggemar BTS atau yang biasa disebut Army sebagai objek analisis karena grup BTS yang telah mendunia ini memiliki pengikut yang cukup banyak di Twitter yakni 31 juta pengikut. Karena hal ini maka analisis sentimen dilakukan Kesulitan dalam melakukan analisis data yang begitu banyak dari Twitter jika dilakukan dengan cara manual, maka dari itu komputerisasi dibutuhkan. Menggunakan sebuah program yang dibuat dengan bahasa pemograman Python analisis dapat dilakukan lebih efektif dan efisien. Dari analisis yang dilakukan menggunakan klasifikasi algoritma Naïve Bayes terdapat polaritas sentimen negatif sebanyak 34,2%, netral 58,5%, dan positif 7,3%. Dari 1000 data yang diambil sesuai hasil polaritas tweet yang bernilai negatif sesuai hasil polaritas sebanyak 342. Dengan tingkat akurasi sebesar 75%. Dari penelitian ini diharapkan dapat membantu dalam proses analisis sentimen dan sesuai dalam mengatasi masalah yang ada.
Article Details
Submission of an original manuscript to the journal will be taken to mean that it represents originality work not previously published. Please see JIEET (Journal of Information Engineering and Educational Technology) originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred IEEE style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Thurnitin software for checking the originality of submissions received.
References
A. Priadana och A. W. Murdiyanto, Pemantauan Tren Hashtag pada Instagram Menggunakan Web Scraping, Jurnal Pekommas, 2020.
G. A. Buntoro, Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter, Integer Journal, pp. 32-41, 2017.
F. M. Matulatuwa, Text Mining Dengan Metode Lexicon Based Untuksentiment Analysis Pelayanan Pt. Pos Indonesia Melalui Media Sosial Twitter, Jurnal Masyarakat Informatika Indonesia, 2017.
E. Putra, Klasifikasi Sentimen Masyarakat Terhadap Transgender Berdasarkan Komentar Di Instagram Menggunakan Metode Naive Bayes Classifier, Universitas Islam Negeri Sultan Syarif Kasim Riau, 2019.
N. Y. Faradillah, R. P. Kusumawardani och I. Hafidz, EKSPERIMEN SISTEM KLASIFIKASI ANALISA SENTIMEN TWITTER PADA AKUN RESMI PEMERINTAH KOTA SURABAYA BERBASIS PEMBELAJARAN MESIN, Seminar Nasional Sistem Informasi Indonesia, 2016.
W. Nurjanah, R. S. Perdana och M. A. Fauzi, Analisis Sentimen Terhadap Tayangan Televisi Berdasarkan Opini Masyarakat pada Media Sosial Twitter menggunakan Metode K-Nearest Neighbor dan Pembobotan Jumlah Retweet, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. I, pp. 1750-1757, 2017.