Analisis Klasifikasi Sentimen Kepulangan Imam Besar Fpi Menggunakan Metode Klasifikasi Support Vector Machine (Studi Kasus : Data Opini Netizen Mengenai Kepulangan Habib Rizieq Melalui Twitter)
Abstract
Pada akhir tahun 2020 berita kepulangan Habib Rizieq ke Indonesia cukup
menyita perhatian masyarakat di Indonesia. Kepulangannya menuai kecaman dari
masyarakat karena telah menyebabkan sebuah kerumunan massa di masa pandemi
Covid-19. Berita tersebut tersebar di berbagai platform internet, serta opini-opini
masyarakat pun disuarakan di berbagai media sosial tak terkecuali twitter. Peneliti
ingin mengklasifikasikan data teks berupa opini mengenai kepulangan Habib
Rizieq dari media sosial twitter ke dalam sentimen positif dan negatif dengan
metode Support Vector Machine. Data opini yang berasal dari twitter merupakan
data teks, sehingga data tersebut di analisis dengan text mining yang disebut tahap
preprocessing untuk mengubah data teks yang tak terstuktur tersebut menjadi data
terstruktur yang siap untuk di analisis. Klasifikasi yang dilakukan dengan
menggunakan metode SVM terhadap data opini Habib Rizieq yang tidak
seimbang antara kelas positif dan negatif menghasilkan nilai akurasi sebesar
95.06% dengan perbandingan jumlah sentimen positif lebih banyak daripada kelas
sentimen negatif. Hasil klasifikasi dengan data yang telah diseimbangkan dengan
metode oversampling mendapatkan akurasi sebesar 100%. Terkait asosiasi kata
yang terbentuk dari topik yang sering dibicarakan mengenai kepulangan Habib
Rizieq pada kelas positif diantaranya adalah bebas, dukung, revolusi, akhlak, adil,
dan cinta. Sedangkan asosiasi kata untuk kelas negatif diantaranya ada tes, polisi,
ulama, aziz, dan Bogor.
Collections
- Statistics [904]