Analisis Sentimen Pada Twitter Mengenai Pemerintahan Jokowi Terkait Kesejahteraan Masyarakat Menggunakan Lexicon Based

Authors

  • Winarno Universitas Dinamika Bangsa
  • Kurniabudi Universitas Dinamika Bangsa
  • Dr. Hendri, S.Kom., S.H., M.S.I., M.H Dr. Hendri, S.Kom., S.H., M.S.I., M.H Universitas Dinamika Bangsa

DOI:

https://doi.org/10.33998/jakakom.2023.3.2.846

Keywords:

Analisis Sentimen, Pemerintahan Jokowi, Kesejahteraan Masyarakat, Pandemi

Abstract

Perkembangan Internet di Indonesia cukup pesat, hal ini ditandai dengan meningkatnya pengguna jejaring sosial, khususnya Twitter. Untuk mengetahui pandangan masyarakat terhadap suatu pemerintahan dapat digunakan analisis sentimen menggunakan data Twitter. Penelitian ini melakukan analisis sentimen terhadap pemerintahan Jokowi dalam bidang kesejahteraan pada masa pandemi. Metode untuk mengklarifikasi sentimen pada twit menggunakan metode Lexicon. Pengklasifikasian Twitter menjadi tiga kelompok, positif, negatif dan netral. Secara umum hasil uji coba menunjukkan bahwa sebagian besar data Twitter diklasifikasikan sebagai netral. Sentimen netral menjadi yang tertinggi ditemukan sebesar 1.627 data dari total 4.000 total data twit, sementara sentimen positif menjadi yang kedua terbanyak sebesar 1.404 twit dengan skor sentimen tertinggi sebesar 40 dengan dan sentimen negatif sebanyak 969 twit dengan skor sentimen tertinggi sebesar -30.

Downloads

Download data is not yet available.

References

Drs. Jalaluddin Rakhmat, M. S. . (2012). Psikologi Komunikasi. PT. Remaja Rosda Karya. //perpustakaan.iahntp.ac.id/index.php?p=show_detail&id=1969

Effendy, Onong Uchjana. 2009. Komunikasi teori dan praktek. Bandung : PT Remaja Rosdakarya.

Culandari, Yulius. (2008). Microblogging Paling Populer. Yogyakarta: Mediakom.

Iswah, Dirgayuza.(2011).Panduan Praktis Mengoptimalkan Twitter. Jakarta: Mediakita.

Mulyana, Deddy. 2010. Ilmu Komunikasi : Suatu Pengantar. Bandung: PT. Remaja Rosdakarya.

datareportal, “Datareportal,” Digit. 2021 Indonesia., 2021.

M. N. Fatanti, “Twitter dan Masa Depan Politik Indonesia: Analisis Perkembangan Komunikasi Politik Lokal Melalui Internet,” J. IPTEKKOM J. Ilmu Pengetah. Teknol. Inf., vol. 16, no. 1, 2014, doi: 10.33164/iptekkom.16.1.2014.17-30.

“HEADLINE: Pencapaian 4 Tahun Pemerintahan Jokowi, Apa PR yang Masih Tersisa? - News Liputan6.com.” https://www.liputan6.com/news/read/3674758/headline-pencapaian-4-tahun-pemerintahan-jokowi-apa-pr-yang-masih-tersisa (accessed Oct. 30, 2021).

“Sentiment Analysis, Hard But Worth It! | CustomerThink.” https://customerthink.com/sentiment_analysis_hard_but_worth_it/ (accessed Nov. 17, 2021).

A. Karami, L. Bennett, and X. He, “Mining Public Opinion about Economic Issues: Twitter and the U.S. Presidential Election,” Int. J. Strateg. Decis. Sci., vol. 9, no. 1, 2018, doi: 10.4018/IJSDS.2018010102.

P. H. Prastyo, A. S. Sumi, A. W. Dian, and A. E. Permanasari, “Tweets Responding to the Indonesian Government’s Handling of COVID-19: Sentiment Analysis Using SVM with Normalized Poly Kernel,” J. Inf. Syst. Eng. Bus. Intell., vol. 6, no. 2, 2020, doi: 10.20473/jisebi.6.2.112-122.

Y. S. Mahardika and E. Zuliarso, “Analisis Sentimen Terhadap Pemerintahan Joko Widodo Pada Media Sosial Twitter Menggunakan Algoritma Naives Bayes,” Pros. SINTAK 2018, no. 2015, 2018.

P. Y. Saputra, D. H. Subhi, and F. Z. A. Winatama, “IMPLEMENTASI SENTIMEN ANALISIS KOMENTAR CHANNEL VIDEO PELAYANAN PEMERINTAH DI YOUTUBE MENGGUNAKAN ALGORITMA NAÏVE BAYES,” J. Inform. Polinema, vol. 5, no. 4, 2019, doi: 10.33795/jip.v5i4.259.

D. H. Wahid and A. SN, “Peringkasan Sentimen Esktraktif di Twitter Menggunakan Hybrid TF-IDF dan Cosine Similarity,” IJCCS (Indonesian J. Comput. Cybern. Syst., vol. 10, no. 2, 2016, doi: 10.22146/ijccs.16625.

N. Sudjana, Penilaian Hasil Proses Belajar Mengajar Cetakan ketujuh belas. 2013.

A. Majid, Perencanaan Pembelajaran. Bandung: PT.Remaja Rosdakarya, 2014.

B. Liu, “Sentiment analysis and opinion mining,” Synth. Lect. Hum. Lang. Technol., vol. 5, no. 1, 2012, doi: 10.2200/S00416ED1V01Y201204HLT016

Published

2023-09-30

Abstract views:

262

PDF Download:

343

DOI:

10.33998/jakakom.2023.3.2.846

Dimension Badge:

Most read articles by the same author(s)