Analisis Sentimen terhadap Perkuliahan Daring di Indonesia dari Twitter Dataset Menggunakan InSet Lexicon
Sentiment Analysis of Online Lectures in Indonesia from Twitter Dataset Using InSet Lexicon
DOI:
https://doi.org/10.57152/malcom.v1i1.20Keywords:
InSet Lexicon, Kuliah Daring, Sentiment Analysis, TwitterAbstract
Pelaksanaan perkuliahan daring pada berbagai kampus di Indonesia telah dipertegas sejak makin mewabahnya virus corona. Kuliah daring menjadi solusi untuk tetap menjalankan kegiatan belajar-mengajar di tengah masa pandemi. Namun pelaksanaan perkuliahan daring memunculkan berbagai macam opini dalam masyarakat, khususnya di kalangan pelajar. Hal ini juga menimbulkan sikap pro dan kontra dari berbagai pihak. Untuk itu dilakukan penambangan data dari twitter guna menganalisis sentimen terhadap topik “kuliah daring”. Data diklasifikasikan ke dalam 3 kelas, yaitu positif, negatif, dan netral. Penelitian ini dilakukan dengan teknik lexicon-based approach menggunakan InSet Lexicon sebagai kamus kata opini berbahasa Indonesia. Penentuan kelas sentimen untuk setiap kalimat diperoleh dari hasil perhitungan polarity score. Hasil klasifikasi dari 5811 data tweet ternyata mengandung 63.4% tweet negatif, 27.6% tweet positif, dan 8.9% tweet netral. Pengujian hasil klasifikasi dilakukan dengan metode cross-validation serta confusion matrix dengan 80% data latih dan 20% data uji memberikan nilai accuracy 79.2%, precision sebesar 72.9%, recall sebesar 62.8%, dan f-measure sebesar 67.4%.
References
SE Mendikbud, “Surat Edaran Kementerian Pendidikan dan Kebudayaan RI Tanggal 17 Maret 2020 Perihal Pembelajaran secara Daring dan Bekerja dari Rumah dalam Rangka Pencegahan Penyebaran Coronavirus Disease (COVID-19),” Jakarta, No. 36962/MPK.A/HK/2020.
G.A. Buntoro, Analisis Sentimen Calon Gubernur DKI Jakarta 2017 Di Twitter, INTEGER: Journal of Information Technology, Vol. 2, Ed. 1, 2017.
Polling Indonesia, "Laporan Survei Penetrasi & Profil Perilaku Pengguna Internet Indonesia," Asosiasi Penyelenggara Jasa Internet Indonesia, Jakarta, 2018.
M. R. Ma’arif, “Analisis Konten Interaksi Pengguna Twitter pada Masa 100 Hari Pertama Pemerintahan Baru DKI Jakarta Menggunakan Text Mining,” Jurnal Pekomnas, Vol. 3 No. 2, 137-142, 2018.
S. H. P. E. A. D. Imam Fahrur Rozi, "Implementasi Opinion Mining (Analisis Sentimen) untuk Ekstraksi Data Opini Publik pada Perguruan Tingg," Jurnal EECCIS , vol. 6, p. 37, 2012.
Akbari, M. I. H. A. D., Astri Novianty S.T., M. & Casi Setianingsih S.T., M., 2012. Analisis Sentimen Menggunakan Metode Learning Vector Quantization. Telkom University.
Y. Azhar, “Metode Lexicon Learning Based untuk Identifikasi Tweet Opini Berbahasa Indonesia, ” Jurnal Nasional Pendidikan Teknik Informatika, Vol. 6, No. 3, 2017.
I. F. Nur, A. Herdiani, dan W. Astuti, Analisis Sentimen Berbasis Leksikon InSet Terhadap Partai Politik Peserta Pemilu 2019 pada Media Sosial Twitter, ” e-Proceeding of Engineering, Vol. 6, No. 3, 2019.
F. Koto dan G. Y. Rahmaningtyas, “InSet Lexicon: Evaluation of a Word List for Indonesian Sentiment Analysis in Microblogs, ” International Conference on Asian Language Processing (IALP), 2017.
Samsir dkk. “Analisis Sentimen Pembelajaran Daring Pada Twitter di Masa Pandemi COVID-19 Menggunakan Metode Naïve Bayes, ” Jurnal Media Informatika Budidarma, Vol. 5, No. 1, 2021.
B. K. Santra dan C.J. Christy, Genetic Algorithm and Confusion Matrix for Document Clustering, ” International Journal of Computer Science Issues, Vol. 9, Issue 1, No 2, 2012.
