Search

Media sosial Twitter adalah platform yang populer di Indonesia untuk berkomunikasi dan mendapatkan informasi dengan cepat. Hal ini memungkinkan masyarakat dengan mudah mengungkapkan opini dan sentimen mereka. Penelitian ini berfokus pada perbandingan algoritma TextBlob dan Naïve Bayes dalam menganalisis sentimen masyarakat. Temuan menunjukkan bahwa TextBlob mengklasifikasikan sebagian besar tweet sebagai positif, sementara Naïve Bayes menunjukkan kecenderungan yang serupa dengan akurasi sebesar 78,18%. Dari analisis TextBlob, sekitar 50,98% komentar menunjukkan sentimen positif, 16,01% negatif, dan 33,33% netral. Dengan menggunakan kedua algoritma ini, penelitian berhasil mengidentifikasi sentimen masyarakat dengan akurasi yang baik, menunjukkan distribusi yang jelas antara sentimen positif, netral, dan negatif.

The difference in societal perspective regarding personal well-being and understanding life choices is genuinely diverse. Lately, there is a prevalent thought where individuals believe that personal well-being can be achieved by choosing to live without children. Most of them prefer to prioritize their careers, education, or other activities that they believe can bring greater happiness and well-being to their lives. This topic has become a frequently discussed subject in almost every region of Indonesia, especially in urban areas. Not only facing negative stigma, the choice to live a life without children in Indonesia also carries positive connotations. Views on child-free in Indonesia are highly diverse, considering the many differences in social environments and each individual’s personal experiences. In this research, the Naïve Bayes algorithm is used as a sentiment classifier in the form of textual data collected through Twitter using the Rapid Miner. The data collection period spanned from May 3rd to May 10th, 2023. The research aims to analyze and present data regarding public sentiment towards the child-free phenomenon in Indonesia. The results of this research reveal the presence of 320 positive sentiments and 180 negative sentiments, with the accuracy value of the Naïve Bayes algorithm in conducting sentiment analysis on the child-free phenomenon reached 95.00%.

The war that took place in Europe between Russia and Ukraine had a direct or indirect impact on all parts of the world, including Indonesia. Many people gave their opinion on the incident, whether it was in the form of praise or complaints published on social media, one of which was Twitter. This study aims to process or extract public responses on Twitter media to become information using sentiment analysis. Sentiment analysis using the classification algorithm Support Vector Machine (SVM), Multinomial Naive Bayes (MNB), and K-Nearest Neigbhor (KKN). Based on sentiment analysis, it illustrates that the response of the Indonesian public on Twitter users on February 24, 2022 about the events of the Russia-Ukraine war was dominated by tweets with negative sentiments (50.1%), then neutral (30.5%), and positive (19.3%). The highest performance results from the machine learning model were obtained on the SVM algorithm model with an accuracy of 90%, followed by MNB (71%), and KKN (48%). Many Indonesian people associate the events of [ABSTRACT FROM AUTHOR]

Copyright of Techno.com is the property of Universitas Dian Nuswantoro, Fakultas Ilmu Komputer and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Jurnal Ekonomi Syariah Teori dan Terapan is the property of Universitas Airlangga and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Jurnal Riset Akuntansi dan Bisnis Airlangga (JRABA) is the property of Universitas Airlangga and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

On 15 September 2020, the UAE normalized relations with Israel, which sparked controversy on Twitter with the #AbrahamAccords. By using Digital Movement Opinion (DMO) and the concept of sentiment analysis, this study aims to determine the sentiment of public opinion that develops on Twitter media related to the normalization of this relationship. This study used a qualitative approach through the use of text mining methods using Natural language Toolkit (NLTK) as a platform in Python to analyze 490 tweets with #AbrahamAccords. The results of the study showed that the sentiment of public opinion that developed on social media Twitter was a positive sentiment with 75% of the 490 tweets. It also showed that views on the relationship between the UAE and Israel on social media Twitter via #AbrahamAccords tend to support this normalization. Some factors that influenced the positive sentiment were the role of the mass media and political actors. Pada 15 September 2020, UEA melakukan normalisasi hubungan dengan Israel yang yang mengundang kontroversi di Twitter dengan #AbrahamAccords. Dengan menggunakan Digital Movement Opinion (DMO) dan konsep sentiment analisis, penelitian ini bertujuan untuk mengetahui sentimen dari opini publik yang berkembang pada media Twitter terkait dengan normalisasi hubungan tersebut. Penelitian ini menggunakan metode kualitatif melalui pemakaian metode teks mining dengan menggunakan Natural language Toolkit (NLTK) sebagai platform di Python guna menganalisis 490 tweets dengan #AbrahamAccords. Hasil penelitian menunjukkan bahwa sentimen dari opini publik yang berkembang di media sosial Twitter adalah sentimen positif dengan 75% dari 490 tweet yang di peroleh. Hal ini menunjukkan bahwa pandangan terhadap hubungan UEA dengan Israel pada media sosial Twitter melalui #AbrahamAccords cenderung mendukung adanya normalisasi tersebut. Beberapa faktor yang mempengaruhi sentiment positif yang terjadi ialah peran media massa dan aktor politik.

Analisis sentimen kebijakan pembelajaran tatap muka selama pandemi dapat dianalisis menggunakan data dari tweet di platform media Twitter. Dari hasil crawling data diperoleh 152 data, selanjutnya dilakukan proses pre-processing untuk memberikan data dari simbol, dan link serta mengubah kata menjadi bobot kata yang dapat dipahami dengan menggunakan teknik TF-IDF. Hasil pembobotan kata ini dianalisis pada kelas positif dan negatif, label positif terkumpul 96 dan negatif 16. Polaritas kelas hasil dari 108 data yang diketahui masyarakat memberikan respon positif terhadap kebijakan pemerintah untuk melakukan pembelajaran tatap muka. Pengujian model Support Vector Machine (SVM) dan Naive Bayes (NB) dari 108 data diperoleh hasil akurasi SVM sebesar 88,09% dan NB 75,92% pada penelitian ini SVM lebih baik dari NB.

Kementerian Komunikasi dan Informatika (Kominfo) membuat aturan baru, yaitu untuk setiap platform, aplikasi, dan web yang termasuk ke dalam Penyelenggara Sistem Elektronik (PSE) wajib untuk mendaftarkan diri kepada Kominfo menghindari pemblokiran. Pada tanggal 30 juli 2022 memblokir beberapa situs yaitu origin, paypal, steam dan lain-lain menjadi perbicangan di media sosial twitter menggunakan #BlokirKominfo untuk mengungkapkan berbagai opini dan keluh kesahnya. Pengumpulan data tweet tanggal 16 juli 2022- 06 Agustus 2022, data tweet diambil sebanyak 1500 data dengan tweet berbahasa Indonesia. Penelitian ini menggunakan metode klasifikasi Naïve Bayes. Naive Bayes Merupakan salah satu algoritma machine learning yang penggunaannya mudah serta pemrosesannya memiliki waktu yang cepat dan mudah diimplementasikan. Berdasarkan hasil penelitian yang telah dilakukan menggunakan data tweet PSE menunjukan bahwa sentimen dari data tweet tersebut cenderung negatif, tweet yang mengandung sentimen negatif ada sebanyak 606 data, tweet sentimen positif ada 378 data dan sentimen netral sebanyak 213 data. Proses klasifikasi pada penelitian ini menggunakan 20% data testing dan 80% data training. Pengujian menggunakan confusion matrixakurasi sebesar 63%, precision 80%, recall 46% dan F-score 44%.

The rampant use of the social network twitter among modern society is currently very popular. Twitter brings a new trend in society as a place to carry out acts of oppression online or better known as cyberbullying. Twitter users can easily cyberbully other twitter users, users can post cruel posts or upload photos related to other individuals with the aim of intimidating and damaging someone's good name. Cyberbullying is easy to find on Korean Wave/Hallyu fans because the biggest activity of K-Pop fans is on the internet. K-Pop has a lot of fans not only in South Korea, but also all over the world, including in Indonesia, especially among teenagers. Focusing on the problem of understanding and preventing Cyberbullying in adolescent K-Pop fans aims to explain and analyze the importance of K-Pop fans who are dominated by teenagers, gaining an understanding of Cyberbullying both as perpetrators and victims. In this study aims to classify sentiments on Tweet comments based on negative, positive, neutral classes and also to find out the trends that exist among adolescents in actions against bullying on social media. The results of this study show that in the social network twitter, cyberbullying behavior occurs due to the motivations that exist in the informant, such as sociogenicist motives and affective motives. Researchers used the Naive bayes method to classify sentiment cyberbullying on twitter social media. [ABSTRACT FROM AUTHOR]

Salah satu media sosial yang berkembang adalah Twitter. Media sosial Twitter mempermudah masyarakat untuk bebas berpendapat melalui cuitan atau biasa disebut dengan tweets. Netizen dengan bebas menyampaikan opini pribadinya untuk topik apapun, termasuk persepsi terhadap tokoh publik. Artikel ini menyajikan hasil penelitian dan analisis sentimen masyarakat (netizen) terhadap tokoh publik, Nadiem Makariem sebagai Menteri Kementerian Pendidikan dan Kebudayaan baru. Penelitian ini menggunakan teknik data mining yang bertujuan untuk membandingkan hasil klasifikasi dari opini masyarakat yang dituliskan di Twitter. Dataset yang digunakan berasal dari tweets dengan kata kunci ”nadiem makariem”, ”kemendikbud” dan ”pak nadiem”. Tools RapidMiner digunakan untuk membantu tahap pre-processing dan klasifikasi menggunakan dua metode yaitu, Naive Bayes dan Support Vector Machine dengan evaluasi k-fold cross-validation. Dari hasil ujicoba diketahui bahwa untuk kasus yang diteliti, metode Naive Bayes menghasilkan kinerja yang lebih baik dengan accuracy 91.48%, precision 89.28% dan recall 91.58%.

Copyright of Jurnal Ilmu Komputer dan Agri-Informatika is the property of IPB University and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Copyright of Jurnal Ilmu Komputer dan Agri-Informatika is the property of IPB University and its content may not be copied or emailed to multiple sites or posted to a listserv without the copyright holder's express written permission. However, users may print, download, or email articles for individual use. This abstract may be abridged. No warranty is given about the accuracy of the copy. Users should refer to the original published version of the material for the full abstract. (Copyright applies to all Abstracts.)

Twitter selain sebagai media sosial untuk berinteraksi dengan teman di dunia maya ternyata juga bisa menjadi suatu media untuk melakukan penelitian. Banyak peneliti menjadikan twitter sebagai wadah untuk melakukan penelitian baik berupa Social Network Analysis ataupun Analisis Sentimen. Dompet elektronik merupakan salah satu hasil perkembangan teknologi bidang transaksi online. Kompleksitas kegiatan masyarakat membuat mereka mencari suatu media pembayaran yang cepat dan aman. Perekembangan Dompet Elektronik di Indonesia bisa dibilang sangat pesat, karena semakin banyaknya masyarakat yang menggunakan dompet elektronik seperti Dana, OVO dan Go-Pay. Banyaknya tawaran keuntungan menjadi nilai lebih bagi masyarakat untuk menggunakan Dompet Elektronik tersebut. Penelitian ini bertujuan untuk menganalisa tanggapan masyarakat atas hadirnya berbagai aplikasi dompet elektronik di Indonesia dengan mengklasifikasikannya kedalam tiga kelas yakni positif, negatif dan netral dengan menggunakan metode Naïve Bayes dan menggunakan perangkat lunak Rapidminer untuk menganalisisa suatu sentiment ataupun sejenisnya dengan melewati suatu proses preprocessing. Data diperoleh secara langsung dari situs microblogging Twitter dengan hashtag pencarian #GoPay, #OVO dan #DANA, dari data tersebut, diambil 100 data dengan rincian 70 data latih dan 30 data uji. Hasil dari penelitian ini menunjukkan bahwa analisis sentimen pada dompet elektronik GoPay lebih banyak dinilai positif oleh pengguna twitter yaitu sebesar 46,67% diikuti oleh Dana sebesar 37,50% dan OVO sebesar 16,67%. Dompet elektronik OVO memiliki nilai negatif yang lebih tinggi yaitu sebesar 63,33% diikuti oleh GoPay sebesar 53,33% dan Dana sebesar 30,00%. Penelitian ini memberikan bukti empiris dan merekomendasikan kepada masyarakat untuk lebih menggunakan GoPay kegiatan jual beli dikehidupan sehari-hari.

Terdapat fenomena transportasi online dengan masalah seperti kriminalitas dan penipuan di Indonesia yang memicu pro dan kontra pada pengguna Twitter. Makalah ini bertujuan mengetahui sentimen masyarakat terhadap transportasi online dan membandingkan akurasi SVM dan SVM-PSO dengan nilai parameter default. Solusi yang diusulkan adalah membagi dataset ke dalam data training dan testing, karena beberapa penelitian mengenai optimasi hanya menggunakan satu dataset yang sudah diklasifikasikan. Data penelitian adalah data tweet dengan metode scraping menggunakan Octoparse. Total 1.852 data tweet dari 1/1/2019 hingga 15/10/2019 yang dibagi menjadi data testing 1.130 tweet dan training 722 tweet serta RapidMiner digunakan untuk proses analisis. Analisis sentimen positif menggunakan SVM adalah sebesar 62% dan sentimen negatif sebesar 38%, sedangkan pada SVM-PSO, opini positif sebesar 53% dan negatif 47%. Hasil penelitian menggunakan 10 k-fold CV menghasilkan akurasi pada SVM sebesar 95,46% dan AUC 0,979 (excellent classification), sedangkan pada SVM-PSO sebesar 96,04% dan AUC 0,993 (excellent classification). Hasil menunjukkan bahwa penggunaan data training dan testing dapat dilakukan dan terbukti bahwa SVM-PSO lebih baik daripada SVM biasa, meskipun menggunakan nilai parameter default.

Pemilihan umum presiden yang diselenggarakan setiap lima tahun sekali merupakan momen yang penting untuk mewujudkan demokrasi dalam Negara Kesatuan Republik Indonesia. Penyampaian dukungan dilakukan baik tim sukses, buser maupun pendukung untuk mencitrakan positif calon masing-masing. Berbagai media digunakan salah satunya adalah Twitter, masyarakat menyampaikan komentar positif dan negatif bahkan cenderung “kampanye hitam” dan hoax sebelum pemilu dilaksanakan maupun saat pemilu sedang berlangsung mengenai pemilu yang diadakan, komentar di Twitter saat ini belum dapat ditentukan lebih ke arah positif atau negatif, oleh karena itu perlu dilakukan analisis sentimen untuk mengetahui kecenderungan opini masyarakat terhadap pemilu. Tujuan dari penelitian ini memperoleh analisis dokumen text untuk mendapatkan sentimen positif atau negatif. Metode yang digunakan K-Means untuk melakukan klastering pada data latih dan Naive Bayes classifier untuk mengklasifikasi pada data testing. Hasil dari pembobotan ini berupa sentimen positif dan negatif. Data diambil dari Twitter mengenai pemilu presiden 2019 sebanyak 500 data tweet. Dari hasil pengujian 100 dan 150 data uji diperoleh akurasi rata-rata 93.35% dan error rate sebesar 6.66%.

Perkembangan teknologi saat ini telah memberikan kemudahan bagi banyak orang dalam mendapatkan dan menyebarkan informasi di berbagai social media platform. Twitter merupakan salah satu media yang kerap digunakan untuk menyampaikan opini sebagai bentuk reaksi seseorang atas suatu hal. Opini yang terdapat di Twitter dapat digunakan perusahaan maskapai penerbangan sebagai parameter kunci untuk mengetahui tingkat kepuasan publik sekaligus bahan evaluasi bagi perusahaan. Berdasarkan hal tersebut, diperlukan sebuah metode yang dapat secara otomatis melakukan klasifikasi opini ke dalam kategori positif, negatif, atau netral melalui proses analisis sentimen. Proses analisis sentimen dilakukan dengan proses data preprocessing, pembobotan kata menggunakan metode TF-IDF, penerapan algoritma, dan pembahasan atas hasil klasifikasi. Klasifikasi opini dilakukan dengan machine learning approach memanfaatkan algoritma multi-class Support Vector Machine (SVM). Data yang digunakan dalam penelitian ini adalah opini dalam bahasa Inggris dari para pengguna Twitter terhadap maskapai penerbangan. Berdasarkan pengujian yang telah dilakukan, hasil klasifikasi terbaik diperoleh menggunakan SVM kernel RBF pada nilai parameter 𝐶(complexity) = 10 dan 𝛾(gamma) = 1, dengan nilai accuracy sebesar 84,37% dan 80,41% ketika menggunakan 10-fold cross validation.