ANALISIS SENTIMEN PENGGUNA TWITTER TERHADAP KASUS PENEMBAKAN LASKAR FPI OLEH POLRI DENGAN METODE NAIVE BAYES CLASSIFIER

Resti Noor Fahmi, Nursyifa Nursyifa, Aji Primajaya

Abstract


Perkembangan teknologi informasi yang semakin meningkat membuat masyarakat dengan mudah mendapatkan berbagai informasi hanya melalui media sosial seperti Twitter. Twitter adalah aplikasi jejaring sosial andalan dan sumber informasi peristiwa dunia. Salah satu informasi yang ramai diperbincangkan hingga trending topic di Twitter ialah kasus penembakan enam anggota laskar Front Pembela Islam (FPI) oleh Polri. Berbagai opini muncul mengenai kasus ini, baik opini positif, netral maupun negatif. Penelitian ini bertujuan untuk menganalisis tanggapan masyarakat mengenai peristiwa penembakan anggota laskar FPI oleh Polri, yang dapat mempengaruhi kepercayaan masyarakat akan kredibilitas kinerja Polri. Penelitian ini menggunakan metodologi Knowledge Discovery in Database (KDD) dan metode Naïve Bayes Classifier. Data yang akan digunakan ialah hashtag dari tweet dengan kata kunci #usuttuntaspenembakanLASKARFPI, #usuttuntaspembunuhan6laskarFPI, dan #TuntaskanTragediKM50 dengan jumlah dataset sebanyak 269 tweet. Hasil dari penelitian ini adalah analisis sentimen terhadap kasus penembakan anggota laskar FPI oleh Polri. Performa klasifikasi metode Naïve Bayes Classifier memperoleh hasil akurasi 98.51% , precision 98,97%, recall 97,40%, dan kappa 0,973.


Keywords


Analisis Sentimen, Twitter, FPI, Polri, Naïve Bayes Classifier

References


Fitriyyah, S. N. J., Safriadi, N., & Pratama, E. E. (2019). Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive bayes. Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(3), 279.

Artanti, D. P., Syukur, A., Prihandono, A., & Setiadi, D. R. I. M. (2018). Analisa Sentimen Untuk Penilaian Pelayanan Situs Belanja Online Menggunakan Algoritma Naïve Bayes. 8–9.

Jaman, J. H., Abdulrohman, R., Suharso, A., Sulistiowati, N., & Dewi, I. P. (2020). Sentiment analysis on utilizing online transportation of indonesian customers using tweets in the normal era and the pandemic covid-19 era with support vector machine. Advances in Science, Technology and Engineering Systems, 5(5), 389–394.

Alfiqra, & Alfizi, F. Y. (2018). Penerapan Market Basket Analysis Menggunakan Proses KDD (Knowledge Discovery In Database) Sebagai Straregi Penjualan Produk Swalayan (Studi Kasus : Swalayan X) Alfiqra,. 509–516.

Yasid, M. (2019). Analisis Sentimen Maskapai Citilink Pada Twitter Dengan Metode Naãve Bayes. Jurnal Ilmiah Informatika, 7(02), 82.

Putra, M. W. A., Susanti, Erlin, & Herwin. (2020). Analisis Sentimen Dompet Elektronik Pada Twitter Menggunakan Metode Naïve Bayes Classifier. IT Journal Research and Development, 5(1), 72–86.

Maulana, A., & Fajrin, A. A. (2018). Penerapan Data Mining Untuk Analisis Pola Pembelian Konsumen Dengan Algoritma Fp-Growth Pada Data Transaksi Penjualan Spare Part Motor. Klik - Kumpulan Jurnal Ilmu Komputer, 5(1), 27.

Rossi, A., Lestari, T., Setya Perdana, R., & Fauzi, M. A. (2017). Analisis Sentimen Tentang Opini Pilkada DKI 2017 Pada Dokumen Twitter Berbahasa Indonesia Menggunakan Näive Bayes dan Pembobotan Emoji. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 1(12), 1718–1724. http://j-ptiik.ub.ac.id

Ratnawati, F. (2018). Implementasi Algoritma Naive bayes Terhadap Analisis Sentimen Opini Film Pada Twitter. INOVTEK Polbeng - Seri Informatika, 3(1), 50.

Nugroho, A. (2018). Analisis Sentimen Pada Media Sosial Twitter Menggunakan Naive bayes Classifier Dengan Ekstrasi Fitur N-Gram. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 2(2), 200.

Buntoro, G. A. (2017). Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter. INTEGER: Journal of Information Technology, 1(1), 32–41.




DOI: http://dx.doi.org/10.26798/jiko.v5i2.437

Article Metrics

Abstract view : 446 times
PDF (Bahasa Indonesia) - 122 times

Refbacks

  • There are currently no refbacks.




Copyright (c) 2021 Resti Noor Fahmi, Nursyifa Nursyifa, Aji Primajaya


JIKO (Jurnal Informatika dan Komputer)

Published by
Lembaga Penelitian dan Pengabdian Masyarakat
Universitas Teknologi Digital Indonesia (d.h STMIK AKAKOM)

Jl. Raya Janti (Majapahit) No. 143 Yogyakarta, 55198
Telp. (0274)486664

Website : https://www.utdi.ac.id/

e-ISSN : 2477-3964 
p-ISSN : 2477-4413