Penerapan Metode Text Mining untuk Analisis Sentimen pada Media Sosial Twitter
Penerapan Metode Text Mining untuk Analisis Sentimen pada Media Sosial Twitter
**Penerapan Metode Text Mining untuk Analisis Sentimen pada Media Sosial Twitter**
**Latar Belakang**
Dalam era digital yang semakin berkembang, media sosial telah menjadi salah satu platform yang paling populer untuk berbagi dan berdiskusi tentang berbagai topik. Twitter, sebagai salah satu platform media sosial yang paling populer, telah menjadi salah satu platform yang paling banyak digunakan untuk berbagi pendapat dan berdiskusi tentang berbagai topik. Oleh karena itu, analisis sentimen pada Twitter menjadi sangat penting untuk memahami pendapat dan perasaan masyarakat terhadap berbagai topik.
**Metode**
Metode yang digunakan dalam analisis sentimen pada Twitter ini adalah metode text mining. Metode ini menggunakan algoritma untuk menganalisis teks dan mengklasifikasikan sentimentnya menjadi positif, negatif, atau netral.
### Langkah-Langkah
1. **Pengumpulan Data**: Data yang digunakan dalam analisis ini adalah data tweet yang diperoleh dari Twitter API menggunakan kata kunci berupa sebuah kata atau hashtag.
2. **Preprocessing**: Preprocessing dilakukan untuk memproses data tweet, seperti cleansing, case folding, stemming, stopwords, dan tokenizing.
3. **Algoritma**: Algoritma yang digunakan dalam analisis ini adalah algoritma Support Vector Machine (SVM).
4. **Training dan Testing**: Data yang digunakan untuk training dan testing adalah data tweet yang telah diproses sebelumnya.
5. **Visualisasi**: Visualisasi dilakukan menggunakan word cloud untuk memperlihatkan karakteristik teks.
### Hasil
Hasil analisis sentimen pada Twitter ini menunjukkan bahwa sentiment yang paling dominan adalah sentiment positif, diikuti oleh sentiment negatif dan sentiment netral. Tingkat akurasi yang dihasilkan oleh proses ini adalah sebesar 73%.
### Kesimpulan
Analisis sentimen pada Twitter menggunakan metode text mining dapat membantu dalam memahami pendapat dan perasaan masyarakat terhadap berbagai topik. Metode ini dapat digunakan untuk menganalisis sentiment pada berbagai platform media sosial lainnya.
**Referensi**
1. Esri. (2022). ArcGIS Desktop. Retrieved from <https://www.esri.com/en-us/arcgis/products/arcgis-desktop>
2. Departemen Pekerjaan Umum. (2022). Data Jalan Rusak. Retrieved from <https://www.depkumham.go.id/data-jalan-rusak>
3. Microsoft. (2022). Microsoft Office. Retrieved from <https://www.microsoft.com/en-us/microsoft-365/office>
4. IBM. (2022). IBM Db2. Retrieved from <https://www.ibm.com/analytics/us/en/technology/db2>
5. Ayun PQ, Pratiwi MR, Boer KM, et al. Cyberspace and Culture. 1st ed. (Sukmono FG, ed.). Yogyakarta: Lembaga Penerbit Fakultas Ekonomi Universitas Indonesia; 2014.
6. Mulyana D. Ilmu Komunikasi, Suatu Pengantar. 17th ed. (Muchlis, ed.). Bandung: PT. Remaja Rosdakarya; 36 Jurnal Sistem Informasi Kesehatan Masyarakat Journal of Information Systems for Public Health, Vol. 4, No. 1, April 2019 2017.
7. Hermawan H. Literasi Media, Kesadaran Dan Analisis. 1st ed. Yogyakarta: Calpulis; 2017.
8. Park H, Rodgers S, Stemmle J. Analyzing Health Organizations รข€TM Use of Twitter for Promoting Health Literacy. J Med Internet Res. 2013;730. doi:10.1080/10810730.2012.727956
9. Neiger BL, Thackeray R, Burton SH, Thackeray CR, Current BS, Reese H. Use of Twitter Among Local Health Departments : An Analysis of Information Sharing, Engagement, and Action Corresponding Author : J Med Internet Res. 2013;15. doi:10.2196/jmir.2775
10. Liu B. Handbook of Natural Language Processing 2nd Edition. CRC Press, Boca Raton. 2010.
11. Feldman R. and Sanger J. The Text Mining Handbook: Advance Approaches in Analyzing Unstructured Data. Cambridge University Press, New York. 2007.
12. Christianini N. and Taylor J. An Introduction to Support Vector Machine and Other Kernel-based Learning Methods. Cambridge University Press, Cambridge.
Citations:
[1] [PDF] Analisis Sentimen Data Twitter Menggunakan Metode Text Mining ... https://jurnal.ugm.ac.id/jisph/article/download/44455/30078
[2] TEXT MINING DAN SENTIMEN ANALISIS TWITTER PADA ... https://journal.unnes.ac.id/nju/INTUISI/article/view/9561
[3] Sentiment Analysis and Text Mining for Social Media Microblogs using ... https://www.researchgate.net/publication/272463313_Sentiment_Analysis_and_Text_Mining_for_Social_Media_Microblogs_using_Open_Source_Tools_An_Empirical_Study
[4] Implementasi Text Mining Pada Analisis Sentimen Pengguna ... https://jurnal.uns.ac.id/ijas/article/view/44337
[5] Implementasi Text-Mining untuk Analisis Sentimen pada Twitter ... https://ejournal.undiksha.ac.id/index.php/JST/article/view/52358
[6] Text Mining Literature Review on Indonesian Social Media | Thenata https://jurnal.untan.ac.id/index.php/jepin/article/view/47975
[7] [PDF] Analisis Text Mining pada Sosial Media Twitter Menggunakan ... https://infeb.org/index.php/infeb/article/download/146/65
[8] TEXT MINING IN TWITTER: AN ANALYSIS AND MONITORING ... http://ojs.uho.ac.id/index.php/semantik/article/view/15952
[9] [PDF] Social Media Analysis for Product Safety using Text Mining and ... - arXiv https://arxiv.org/pdf/1510.05301.pdf
[10] [PDF] Implementation of Text Mining for Sentiment Analysis of Online ... https://repository.uinjkt.ac.id/dspace/bitstream/123456789/69094/2/Artikel
[11] Text mining and sentiment analysis - Toloka AI https://toloka.ai/blog/text-mining-and-sentiment-analysis/
[12] [PDF] Implementasi Text-Mining untuk Analisis Sentimen pada Twitter ... https://ejournal.undiksha.ac.id/index.php/JST/article/download/52358/26007/169773
[13] Sentiment Analysis Using Text Mining Techniques On Social Media Using ... https://www.researchgate.net/publication/374489814_Sentiment_Analysis_Using_Text_Mining_Techniques_On_Social_Media_Using_the_Support_Vector_Machine_Method_Case_Study_Seagames_2023_Football_Final
[14] Sentiment Analysis Using Text Mining Techniques On Social Media Using ... https://ioinformatic.org/index.php/JAIEA/article/view/274
[15] Leveraging user-generated social media content with text-mining ... https://www.ibm.com/blog/text-mining-examples/
Comments