Analisis Sentimen Kinerja Polri di Media Sosial Twitter
Abstract
Twitter merupakan sebuah platform media sosial yang jumlah pengguna aktifnya
mencapai puluhan juta setiap harinya. Institusi yang dalam beberapa waktu terakhir ini kerap
dijadikan sebagai bahan perbincangan oleh khalayak ramai adalah kinerja Kepolisian Republik
Indonesia (POLRI). Seiring dengan banyaknya cuitan yang muncul mengenai institusi ini,
dibutuhkan sentiment analysis untuk melakukan pemetaan terhadap berbagai sentimen yang
muncul dari berbagai pihak. Oleh karenanya, dilakukan analisis sentimen mengenai tanggapan
masyarakat terhadap kinerja POLRI melalui penelitian ini dan membandingkan dua metode
klasifikasi yaitu Naïve Bayes Classifier (NBC) dan Support Vector Machine (SVM). Data
mengenai sentimen masyarakat terhadap POLRI tersebut bermanfaat untuk dijadikan sebagai
bahan evaluasi untuk meningkatkan kinerja di masa yang akan datang. Terdapat total 2814 data
tweet yang terdiri atas 2313 tweet positif, 337 tweet netral, dan 164 tweet negatif. Skor akurasi
yang diperoleh kedua algoritma ini masing-masing 91,4% untuk Naïve Bayes Classifier dan
91,1% untuk Support Vector Machine, hal ini dapat terjadi karena dilakukannya
penyeimbangan terhadap data latih dengan metode SMOTE. Waktu prediksi yang dibutuhkan
oleh Naïve Bayes Classifier lebih sedikit dibandingkan dengan Support Vector Machine yaitu
hanya 0.00 detik. Sedangkan Support Vector Machine membutuhkan waktu sekitar 0.06 detik.
Didasari oleh pengelompokkan data tweet mengenai kinerja POLRI di media sosial Twitter
menurut label datanya, ditemukan bahwa sentimen mengenai kinerja POLRI adalah positif.
Kata yang paling sering muncul dalam keseluruhan data yang dikumpulkan dari media sosial
Twitter adalah polri, kerja, apresiasi, usut, tuntas, maksimal, kerja.
Collections
- Informatics Engineering [2154]