Penambangan pesan Twitter untuk memahami sentimen masyarakat terhadap perubahan harga pangan di Indonesia

Abstract

Twitter merupakan salah satu media sosial mikroblog dimana pengguna dapat memperbarui status tentang apa yang sedang dipikirkan dan dilakukan. Twitter dapat digunakan sebagai sarana untuk menyampaikan opini atau sentimen tentang berbagai topik atau isu-isu yang sedang terjadi. Pesan Twitter dapat digunakan sebagai sumber data untuk menilai opini atau sentimen masyarakat. Pada penelitian ini pesan yang menjadi sumber data yaitu pesan mengenai perubahan harga pangan.

Penelitian ini bertujuan untuk membangun sebuah perangkat lunak yang dapat mengumpulkan pesan Twitter mengenai perubahan harga pangan dan menganalisis pesan tersebut sehingga didapatkan kategori (positif, negatif atau netral) dari pesan tersebut. Dalam penelitian ini dilakukan analisis sentimen dengan menggunakan lima algoritma, yaitu algoritma Naive Bayes, Decision Tree (C4.5), k-Nearest Neighbor (k-NN), Support Vector Machine (SVM) dan metode statistik. Langkah pertama yaitu mengumpulkan pesan yang mengandung keyword mengenai pangan dengan menggunakan API Twitter (proses crawling). Langkah kedua yaitu tahap prapengolahan data. Pada tahap ini pesan akan dipersiapkan agar dapat dianalisis dengan menggunakan algoritma yang telah disebutkan. Persiapan yang dimaksud yaitu mengambil fitur-fitur (kata-kata) penting yang terkandung dalam pesan. Langkah ketiga yaitu tahap analisis. Pada tahap ini pesan yang sudah melalui tahap prapengolahan akan dikategorikan ke dalam kategori positif, negatif atau netral.

Pada penelitian ini berhasil dibangun sebuah perangkat lunak yang dapat mengumpulkan pesan Twitter berdasarkan keyword mengenai pangan. Perangkat lunak juga dapat melakukan proses prapengolahan terhadap pesan yang telah dikumpulkan. Terakhir perangkat lunak dapat mengelompokkan pesan ke dalam kategori yang ada (positif, negatif atau netral). Hasil dari eksperimen yang telah dilakukan yaitu algoritma Naive Bayes memberikan tingkat akurasi tertinggi dibandingkan algoritma lainnya.