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.