Analisis Sentimen Kenaikan Harga BBM pada Media Sosial Twitter

Iqbal Musyaffa; Mia Kamayani

Penulis

Iqbal Musyaffa Universitas Muhammadiyah Prof. Dr. Hamka
Mia Kamayani Universitas Muhammadiyah Prof. Dr. Hamka

Kata Kunci:

RapidMiner, Naïve Bayes Classifier, Decision Tree, Sentiment Analysis, Fuel Oil Rises

Abstrak

Berdasarkan informasi dalam jumpa pers di Istana Merdeka pada hari Sabtu, 03 September 2022 pukul 14.30 WIB, Presiden Joko Widodo menetapkan bahwa harga BBM resmi dinaikkan. Hal tersebut menjadi beban bagi pengguna jalan terutama pengguna kendaraan roda dua. Saat ini, banyak masyarakat yang menggunakan situs media sosial untukmenyampaikan keluhan terkait topik tersebut. Salah satunya media sosial Twitter. Oleh karena itu, dilakukan analisis sentimen dengan menggunakan 2 metode yaitu Naïve Bayes Classifier dan Decision Tree terhadap 1100 tweet yang didapat dari kata kunci “bbm naik”. Hasil pengujian bahwa performa terbaik dengan menggunakan algoritma Naïve Bayes Classifier, dengan menghasilkan nilai dengan akurasi 94.91% dan untuk algoritma Decision Tree hanya mendapatkan akurasi 62.57%. Hasil sentimen yaitu, positif berjumlah 68 data, netral berjumlah 20 data, dan negatif berjumlah 301 data. Hasil sentimen negatif yang lebih banyak menunjukkan bahwa kenaikan harga bbm di Indonesia belum dapat diterima oleh masyarakat Indonesia pada media sosial Twitter.

Unduhan

Data unduhan belum tersedia.

Biografi Penulis

Iqbal Musyaffa, Universitas Muhammadiyah Prof. Dr. Hamka

Fakultas Teknologi Industri dan Informatika

Teknik Informatika

Mia Kamayani, Universitas Muhammadiyah Prof. Dr. Hamka

Fakultas Teknologi Industri dan Informatika

Teknik Informatika

Referensi

B. C. Sandy, D. Manongga and A. Iriani,"Analisis Sentimen Terhadap Kenaikan HargaBahan Bakar Minyak (Bbm) Pada Media Online," Prosiding Semmau , 2015.

E. F. U. Latifah, "Perbandingan Kinerja Machine Learning Berbasis Algoritma Support Vector Machine Dan Naive Bayes," 2018.

B. M. Pintoko and K. Muslim, "Analisis Sentimen Jasa Transportasi Onlinepada Twitter Menggunakan MetodeNaïve Bayes Classifier," 2018.

Y. S. Mahardhika and E. Zuliarso, "Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes Classifier," 2018.

M. Syarifuddin, "Analisis Sentimen Opini Publik Terhadap Efek Psbb Pada Twitter Dengan Algoritma Decision Tree-Knn-Naïve Bayes," 2020.

N. T. Romadloni, I. Santoso and S. Budilaksono, "Perbandingan Metode Naive Bayes, Knn Dan Decision Tree Terhadap Analisis Sentimen Transportasi Krl Commuter Line," 2019.

T. S. Boenga NurCitra, "Dampak Pembelajaran Jarak Jauh Dan Physical Distancing PADA Tingkat Kecemasan Mahasiswa Fakultas Kedokteran Universitas Pembangunan Nasional "Veteran" Jakarta," Journal of Bourneo Holistic Health, vol. 3, p. 2, 2020.

S. K. Dzikra Rafik Putra, "Sistem Pendukung Keputusan Untuk Diagnosis Banding Gangguan Somatoform Berbasis PPDGJ III," JURNAL FASILKOM, vol. Volume 10 No. 2, p. 2, 2020.

T. V. d. P. P. O. S. M. Rizkiana Prima Rahmadina, "Visualisasi Data Jumlah Penderita Diare yang Dilayani dan Jumlah Desa/Kelurahan yang Melaksanakan Sanitasi Total Berbasis Masyarakat (STBM) Tahun 2016 dan 2017 di Indonesia Menggunakan Software R-Studio," pp. 2-8, 2019.

N. M. M. Komang Trisnadewi, "Pembelajaran Daring di Masa Pandemi Covid-19," in COVID19:Perspektif Pendidikan, Bali, Yayasan Kita Menulis, 2020, pp. 48-49.