Analisis Sentimen pada Sosial Media Twitter terhadap MRT Jakarta Menggunakan Machine Learning

Dina Agustina Agustina, Fitri Rahmah

Abstract


Moda raya terpadu (MRT) merupakan moda transportasi terbaru yang ada di ibukota untuk mengatasi kemacetan. Jalur MRT terdiri dari 16 rute yang berada di area-area strategis seperti pusat perkantoran, pebelanjaan serta daerah pemukiman. Untuk melihat opini masyarakat Jakarta terkait dengan baru beroperasinya MRT maka dilakukan analisis opini masyarakat Jakarta berdasarkan laman social media masyarakat khususnya twitter. Opini ini digunakan untuk melihat analisis sentimen (positif, netral dan negatif) dari masyarakat kota Jakarta terkait keberadaan MRT yang baru beroperasi. Hasil sentimen ini dapat digunakan untuk melihat pandangan masyarakat Jakarta terkait layanan moda transportasi darat baru yang disediakan oleh pemerintah. Metode yang digunakan pada penelitian ini adalah algoritma machine learning klasifikasi, yaitu Naïve Bayes. Dataset terdiri dari 2268 tweet masyarakat Jakarta. Dilakukan exploratory data analysis (EDA) untuk melihat sentimen masyarakat. Diperoleh bahwa persentase sentimen positif (48,8%), sentimen negatif (22.4%) dan netral (28.8%). Dataset yang sudah clean dibagi menjadi data training dan testing. Pada data training diaplikasikan algoritma machine learning untuk memperoleh model klasifikasi dan menentukan nilai akurasi. Diperoleh model analisis text mining dengan Naïve Bayes memiliki akurasi sebesar 76,21%.


Keywords


Machine learning, Naïve Bayer, MRT

Full Text:

PDF


DOI: https://doi.org/10.15548/isrj.v2i01.3548
Abstract views : 316 times
PDF : 300 times

References


kominfo.go.id/content/detail/3415/kominfo-pengguna-internet-di-indonesia-63-juta-orang/0/berita_satker

Alsaeedi, A. & Khan, M. Z., 2019. “A Study on Sentiment Analysis Techniques of Twitter Data”. International Journal of Advanced Computer Science and Applications (IJACSA), 10(2), pp. 361-374.

Anurag P. Jain, Vijay D. Katkar, “Sentimen Analysis of Twitter Data Using Data Mining”, International Conference on Information Processing (ICIP), IEEE, 13 Juni 2016.

M. Y. Nur and D. D. Santika, "Analisis Sentimen pada Dokumen Berbahasa Indonesia dengan Pendekatan Support Vector Machine," in Konferensi Nasional Sistem dan Informatika, Bali, 2011

A. Go, R. Bhayani, and L. Huang, "Twitter Sentiment Classification using Distant Supervision," Stanford, Project Report CS224N, 2009.

Hairani, G. S. Nugraha, M. N. Abdillah, M. Innuddin, “Komparasi Akurasi Metode Correlated Naive Bayes Classifier dan Naive Bayes Classifier untuk Diagnosis Penyakit Diabetes”, Jurnal Nasional Informatika dan Teknologi Jaringan, Vol 3 No. 1, September 2018.

Liang, Po-Wei & Dai, Bi-Ru. (2013). “Opinion Mining on Social Media Data”. 2. 91-96. 10.1109/MDM.2013.73.

R, Mewari. A. Singh, A. Srivastava. 2015. “Opinion Mining Techniques on Social Media Data “. International Journal of Computer Applications (0975 – 8887) Volume 118 – No. 6.

G. James, D. Witten, T. Hastie, R. Tibshirani. “An Introduction to Statistical Learning with Application in R”. 2017. Springer

B. Lantz. “Machine Learning with R”. 2013. Packt Publishing Ltd.


Refbacks

  • There are currently no refbacks.


Gedung Fakultas Sains dan Teknologi 
Kampus III Universitas Islam Negeri Imam Bonjol Padang
Sungai Bangek, Kec. Koto Tangah, Kota Padang, Sumatera Barat

Creative Commons License This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.