ANALISIS SENTIMEN TWEET BERTEMA KARTU TANDA PENDUDUK ELEKTRONIK (E-KTP)

ASTRI CHAROLINA, Dr. Azhari SN, M.T

2017 | Tesis | S2 Ilmu Komputer

Saat ini Twitter telah banyak digunakan sebagai sumber data bagi penelitian. Tema penelitian yang cukup populer dan sering diangkat antara lain: analisis sentimen, topical cluster of tweets. Isu-isu yang diangkat dalam berbagai penelitian pun beragam, misalnya isu terkait dengan politik, ekonomi, sosial, budaya, korupsi, olahraga, analisis pasar untuk produk tertentu dan lain sebagainya. Salah satu topik terhangat yang saat ini menjadi tren perbicangan pengguna Twitter saat ini adalah mengenai kasus mega korupsi e-KTP. Penelitian ini bertujuan untuk mengembangkan sistem yang dapat mengklaster kumpulan tweet bertema E-KTP dan dapat mengklasifikasikan tweet-tweet pada setiap topik atau cluster ke dalam kelas sentimen positif, negatif dan netral. Algoritma yang digunakan dalam proses analisis sentimen adalah Naive Bayes Clasifier. Sedangkan untuk clustering digunakan Suffix Tree Clustering (STC). Dalam proses pengembangan aplikasi, digunakan library API Twitter4J untuk pengambilan tweet.Selain itu juga digunakan Carrot2 Framework yang di dalamnya terdapat library untuk clustering, yaitu algoritma Lingo dan STC. Sistem yang dihasilkan selanjutnya diuji. Proses pengujian terdiri dari dua bagian, yaitu pengujian akurasi analisis sentimen dan pengujian clustering. Pada proses pengujian akurasi dengan data uji sebanyak 4 kelompok data, dengan masing-masing berjumlah 50, 100, 150 dan 200 tweet. Hasil pengujian menunjukkan tingkat akurasi rata-rata sistem dalam menganalisis sentimen adalah sebesar 89.67%. Dengan hasil akurasi ini maka dapat dikatakan bahwa Naive Bayes Clasifier layak untuk diimplementasikan. Sedangkan pada pengujian clustering didapatkan hasil bahwa dari segi waktu pemrosesan, algoritma STC adalah lebih cepat jika dibandingkan dengan algoritma Lingo dengan waktu pemrosesan rata-rata 66.2mili second.

Currently Twitter has been widely used as a source of data for research. Research themes are quite popular and often raised, among others: the analysis of sentiment, topical cluster of tweets. Issues raised in various studies also varied, such as issues related to politics, economics, social, culture, corruption, sports, market analysis for certain products and so forth. One of the hottest topics that is currently a trend Twitter at this time is about the case of mega corruption e-KTPd. This study aims to develop a system that can cluster tweets in positive, negative and neutral sentiment classes generated by the e-KTP tweet-themed sentiment analysis process. The algorithm used in the sentiment analysis process is Naive Bayes Clasifier. As for clustering used Lingo algorithm and Suffix Tree Clustering (STC). In the application development process, used the library API Twitter4J for tweet. Other than that, also used Carrot2 Framework in which there is a library for clustering, the algorithm Lingo and STC. The resulting system is then tested. The testing process consists of two parts, namely the test of sentiment analysis accuracy and clustering testing. In the process of testing accuracy with test data as much as 4 groups of data, with each numbered 50, 100, 150 and 200 tweet. The test results show the average system accuracy level in analyzing sentiment is 89.67%. With the results of this accuracy it can be said that Naive Bayes Clasifier feasible to be implemented. While the clustering test obtained results that in terms of processing time, STC algorithm is faster when compared with Lingo algorithm with the average processing time of 66.2 milli second. While in terms of number of clusters, Lingo algorithm produces more cluster number when compared to STC algorithm.

Kata Kunci : Analisis Sentimen, Clustering, Naive Bayes Clasifier, STC.