Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap “Figure Pemimpin” Menggunakan Python

Main Article Content

Putu Pasek Okta Mahawardana
Ida Ayu Putu Febri Imawati
I Wayan Dika

Abstract

ABSTRAK


Media sosial adalah sebuah media yang digunakan untuk bersosialisasi dan bertukar informasi oleh para penggunanya dengan menggunakan internet. Ada banyak sekali manfaat dari media sosial, beberapa kegunaan media sosial seperti berkenalan dengan teman baru, mengetahui informasi olahraga, ekonomi, pariwisata dan juga untuk urusan politik.


Pada penilitian ini dilakukan analisis sentimen menggunakan metode Naïve bayes dalam penentuan polaritas sentimen. Analisis sentimen sendiri merupakan alat untuk memproses koleksi hasil pencarian yang bertujuan untuk mencari atribut dari suatu produk dan bagaimana proses dalam mendapatkan hasil pendapatnya (Lawrence et al, 2014). Dengan menerapkan metode Naïve Bayes Classifier dalam melihat sentimen masyarakat di media sosial twitter terhadap seorang figure pemimpin.


Presentase analisis sentimen berdasarkan pelabelan dengan menggunakan library textbob dari opini masyarakat pada Media Sosial Twitter terhadap 5 (lima) “Figure Pemimpin” tersebut didapatkan hasil figure pemimpin yang paling banyak mendapatka tweet positif yaitu pada figure Ganjar Pranowo yang mendapatkan sebanyak 53 tweet yang masuk ke dalam kelas positif atau sebanyak 10,6% pada 500 tweet. Sedangkan hasil figure Pemimpin yang mendapatkan paling banyak tweet negatif yaitu pada figure Ridwan Kawil yang mendapatkan tweet negatif sebanyak 5 tweet atau sebanyak 1,0% pada 500 tweet.


Kata Kunci : Social Media, Analisis Sentiment, Text Mining, Python.


 


ABSTRACT


Social media is a medium used to socialize and exchange information by its users using the internet. There are many benefits of social media, several uses of social media such as meeting new friends, knowing sports information, economics, tourism and also for political matters.


In this research, sentiment analysis is carried out using the Naïve Bayes method in determining the polarity of sentiment. Sentiment analysis itself is a tool to process a collection of search results that aims to find the attributes of a product and how the process is to get the results of their opinion (Lawrence et al, 2014). By applying the Naïve Bayes Classifier method in seeing public sentiment on Twitter social media towards a leader figure.


The percentage of sentiment analysis based on labeling using the textbob library from public opinion on Twitter Social Media on the 5 (five) "Leader Figures" showed that the leader figure who received the most positive tweets was the Ganjar Pranowo figure who got as many as 53 tweets entered into positive class or as much as 10.6% on 500 tweets. While the results of the Leader figure who received the most negative tweets were Ridwan Kawil's figure who received 5 negative tweets or 1.0% of 500 tweets.


Keywords: Social Media, Sentiment Analysis, Text Mining, Python.

Downloads

Download data is not yet available.

Article Details

Section
Articles