Analisis Sentimen Terhadap Tagar Kabur Aja Dulu Di Twitter Menggunakan Metode Lexicon-Based

Abstract

Tagar #KaburAjaDulu sempat menjadi perbincangan hangat di media sosial Twitter, mencerminkan respons masyarakat digital Indonesia terhadap dinamika sosial dan politik yang sedang berlangsung. Penelitian ini bertujuan untuk mengevaluasi sentimen publik terhadap tagar tersebut dengan menerapkan pendekatan lexicon-based menggunakan InSet (Indonesia Sentiment Lexicon).Data penelitian diperoleh melalui teknik scraping dengan pustaka Tweet Harvest, menghasilkan 581 tweet berbahasa Indonesia yang memuat tagar #KaburAjaDulu. Analisis dilakukan menggunakan Google Colaboratory dengan dukungan pustaka Python. Tahapan penelitian mencakup pra-pemrosesan teks (pembersihan data, tokenisasi, stopword removal, serta stemming/lematisasi), klasifikasi sentimen dengan metode lexicon-based, dan visualisasi hasil.Hasil analisis menunjukkan bahwa sentimen negatif mendominasi dengan persentase 41,72%, diikuti sentimen netral sebesar 33,73% dan sentimen positif sebesar 24,55%. Kata-kata dominan pada kategori negatif merepresentasikan kritik, keluhan, dan sindiran yang banyak disampaikan dalam gaya bahasa satir khas media sosial. Temuan ini mengindikasikan bahwa tagar #KaburAjaDulu lebih sering digunakan sebagai sarana ekspresi ketidakpuasan publik terhadap kondisi sosial-politik nasional.Secara keseluruhan, pendekatan lexicon-based terbukti efektif dalam memberikan gambaran umum mengenai kecenderungan opini publik tanpa memerlukan pelatihan model. Namun, metode ini memiliki keterbatasan dalam menangkap makna kontekstual dari bahasa informal maupun sarkastik. Oleh karena itu, penelitian ini dapat dijadikan pijakan awal bagi studi lanjutan yang mengintegrasikan pendekatan machine learning untuk meningkatkan akurasi analisis sentimen pada media sosial.