ANALISIS SENTIMEN MASYARAKAT PADA MEDIA SOSIAL TWITTER TERHADAP PENERAPAN NEW NORMAL DI INDONESIA MENGGUNAKAN METODE LEXICON BASED
Abstract
Pandemi virus covid-19 memberikan banyak dampak bagi perkembangan kehidupan manusia disemua
bagian negara di dunia., tak luput juga di Indonesia. Setiap harinya ada korban manusia yang terjangkit
virus covid-19 yang menyebabkan banyak korban meninggal dunia. Oleh karena itu menyebabkan aktivitas
dalam berbagai aspek banyak yang tidak berjalan normal seperti biasanya, untuk mengatasi itu semua
banyak negara mengeluarkan kebijakan masing-masing dan yang banyak digunakan adalah kebijakan new
normal. Akan tetapi kebijakan new normal ini banyak menuai pro dan kontra di tengah masyarakat yang
menyebabkan berbagai opini dari mereka yang seringkali mereka tuangkan lewat media social, salah
satunya media sosial twitter. Oleh karena itu opini masyarakat itu bisa menjadi informasi yang digunakan
untuk mengeluarkan kebijakan pemerintah selanjutnya. Untuk mengolah data dari opini masyarakat yang
mereka tuangkan lewat media sosial twitter maka dilakukan analisis sentiment. Analisis sentiment ini
memiliki tahapan-tahapan didalamnya diantaranya pengumpulan data, preprocessing, klasifikasi, dan yang
terakhir visualisasi data. Dalam penelitian ini digunakan metode lexicon based untuk proses klasifikasi
data. Berdasarkan penelitian tersebut maka didapat hasil akhir klasifikasi yaitu dari jumlah 1338 tweet
total keseluruhan data, setelah dianalisis ada 563 data yang positif, 751 yang negative dan ada 24 yang
netral, atau dikonversikan dalam bentuk persen, yaitu 42,1 % untuk sentiment positif ,56,1% untuk
sentiment negative, dan 1,8% untuk sentiment netral.
Keywords
Full Text:
PDFReferences
Media, Kemenkes, “Kementerian Kesehatan Republik Indonesia,” kemkes.go.id.
https://www.kemkes.go.id/article/view/20052900001/vaksin-covid-19-belum-ditemukanpemerintah-
siapkan-skenario-new-normal.html (accessed Jul. 26, 2021).
S. Christina and D. Ronaldo, “A SURVEY OF SENTIMENT ANALYSIS USING
SENTIWORDNET ON BAHASA INDONESIA,” J. Teknol. Inf. J. Keilmuan Dan Apl. Bid.
Tek. Inform., vol. 12, no. 2, pp. 69–73, Aug. 2018, doi: 10.47111/jti.v12i2.534.
A. Rausanfita, P. P. Adikara, and S. Adinugroho(2018), “Analisis Sentimen Twitter
Menggunakan Ensemble Feature dan Metode Extreme Learning Machine (ELM) (Studi
Kasus: Samsung Indonesia),” J. Teknol. Inf., p. 9.
N. Yunita(2016), “ANALISIS SENTIMEN BERITA ARTIS DENGAN MENGGUNAKAN
ALGORITMA SUPPORT VECTOR MACHINE DAN PARTICLE SWARM
OPTIMIZATION,” J. Sist. Inf., p. 9.
A. A. Amrullah, A. Tantoni, and N. Hamdani(2016), “REVIEW ATAS ANALISIS
SENTIMEN PADA TWITTER SEBAGAI REPRESENTASI OPINI PUBLIK TERHADAP
BAKAL CALON PEMIMPIN,” J. Sist. Inf.,p. 14.
Iin Kusumawati(2017), “PROGRAM STUDI INFORMATIKA FAKULTAS
KOMUNIKASI DAN INFORMATIKA UNIVERSITAS MUHAMMADIYAH
SURAKARTA 2017,” J. Sist. Inf., p. 16.
Refbacks
- There are currently no refbacks.