ANALISIS SENTIMEN PADA TWITTER MENGENAI NETFLIX DIBLOKIR TELKOM MENGGUNAKAN SUPPORT VECTOR MACHINE
(1) Universitas Muhammadiyah Semarang
(2) Universitas Muhammadiyah Semarang
(3) Universitas Muhammadiyah Semarang
(*) Corresponding Author
Abstract
Netflix merupakan salah satu media streaming online yang beroperasi di Indonesia sejak 2016. Biaya langganan Netflix yang mahal dibandingkan media streaming lain tidak menghalangi pertumbuhan Netflix di Indonesia yang semakin meningkat setiap tahunnya. Pelanggan PT. Telkom Indonesia tidak bisa mengakses Netflix karena diblokir oleh PT. Telkom Indonesia. Hal ini mengakibatkan pelanggan Telkom tidak bisa mengakses Netflix menggunakan provider Telkomsel dan Indihome. Twitter merupakan media sosial yang memungkinkan penggunanya membaca, meneruskan, dan mengirim pesan berbasis teks. Pada media sosial Twitter banyak pelanggan Telkom yang menyampaikan opini mengenai Netflix diblokir Telkom. Berdasarkan opini publik di media sosial Twitter metode klasifikasi cocok digunakan untuk mengetahui sentimen publik. Metode Support Vector Machine (SVM) sering digunakan pada analisis klasifikasi sentimen. SVM merupakan usaha mencari hyperlane terbaik yang berfungsi sebagai pemisah dua buah kelas dengan memaksimalkan jarak antar kelas. Tujuan dari penelitian ini adalah mengetahui tingkat akurasi SVM dan mengetahui tampilan word cloud berdasarkan masing-masing sentimen. Jumlah tweet yang diteliti pada penelitian ini sebanyak 1771 tweet. Perbandingan data training dan data testing pada penelitian adalah 70% sebanyak 1241 tweet dan 30% sebanyak 530 tweet. Klasifikasi sentimen metode Support Vector Machine menggunakan Kernel Radial Basic Function (RBF) diperoleh akurasi sebesar 85.92%. Pada sentimen positif kata “buka”, “tidak”, “indihome”, merupakan kata yang paling sering digunakan. Sedangkan pada sentimen negatif kata “buka”, “pakai”, “telkom” merupakan kata yang paling sering digunakan
Kata Kunci: Netflix, Twitter, Analisis Sentimen, Support Vector Machine (SVM).
Full Text:
PDFReferences
Berry, M.W. & Kogan, J. 2010. Text Mining Aplication and theory. WILEY : United Kingdom.
Boy, Utomo Manalu. 2014. Analisis Sentimen Pada Twitter Menggunakan Text Mining. Skripsi. Program Studi Teknologi Informasi Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara
Fikria, Norma,. 2018. Analisis Klasifikasi Sentimen Review Aplikasi E-ticketing Menggunakan Metode Support Vector Machine dan Asosiasi, Skripsi. Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia Yogyakarta.
Liu, Bing. 2012. Sentimen Analysis And Opinion Mining. Chicago: Morgan & Claypool Publisher.
Praptiwi, Ditia Yosmita. 2018. Analisis Sentimen Online Review Pengguna E-commerce menggunakan metode Support Vector Machine dan Maximum Entropy. Skripsi. Program Studi Statistika Fakultas Matematika dan Ilmu Pengetahuan Alam Universitas Islam Indonesia Yogyakarta.
Siang, J. J. (2005). Jaringan Syaraf Tiruan dan Pemrogamannya Menggunakan MATLAB. Yogyakarta: ANDI.
Suyanto. 2017. Data Mining Untuk Klasifikasi dan Klasterisasi Data. Bandung:Informatika Bandung
Ulwan, M. N. 2016. Pattern Recognition pada Unstructured Data Teks Menggunakan Support Vector Machine dan Association. Skripsi: Program Studi Statistika Universitas Islam Indonesia Yogyakarta
Wearesocial. 2020. Digital in 2020. https://wearesocial.com/digital-2020. Diakses pada tanggal 30 Juni 2020
Article Metrics
Abstract view : 861 times | PDF view : 119 timesRefbacks
- There are currently no refbacks.
Copyright (c) 2021 Rizqa El Husna, Rochdi Wasono, M. Al Haris
Abstracted/Indexed by:
Prosiding Seminar Nasional Venue Artikulasi-Riset, Inovasi, Resonansi-Teori, dan Aplikasi Statistika (VARIANSI) is licensed under a Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)