Analisis Sentimen UU Omnibus Law pada Twitter Menggunakan Metode Support Vector Machine

Abstract

Pada media sosial Twitter semua orang bebas memberikan opini ataupun memberikan tweet yang bermanfaat bagi pengguna media sosial tersebut. Namun dalam memberikan opini masyarakat harus bisa membedakan opini yang positif, negatif, ataupun netral. Permasalahan yang ada adalah belum adanya pemberian sentimen otomatis dalam tema tertentu. Maka dari itu dibuatlah sistem untuk memberikan sentimen secara otomatis agar masyarakat tahu opini yang positif, negatif, dan netral. Dalam analisis sentimen ini dilakukan dengan memanfaatkan machine learning salah satu metodenya adalah Support Vector Machine yang merupakan metode pengklasifikasian supervised learning yang dapat membedakan opini positif, negatif, dan netral dalam penelitian ini, menggunakan Bahasa pemrograman Python, dan menggunakan data yang berasal dari Twitter sebanyak 150. Data tersebut diambil pada tanggal 3 November 2020 sampai 9 November 2020 setelah Omnibus Law disahkan. Penerapan metode Support Vector Machine memiliki tiga tahap yaitu mengambil data opini masyarakat Indonesia tentang UU Omnibus Law dengan melakukan Scraping, lalu dilanjutkan ke tahap Text Preprocessing, dan Feature Extraction. Menghasilkan akurasi sebesar 83% dengan menggunakan teknik K-Fold Cross-Validation sehingga hasil yang didapatkan cukup akurat.