IMPLEMENTASI METODE LEXICON BASE UNTUK ANALISIS SENTIMEN KEBIJAKAN PEMERINTAH DALAM PENCEGAHAN PENYEBARAN VIRUS CORONA COVID-19 PADA TWITTER
Abstract
Penyebaran virus corona COVID-19 semakin meluas ke seluruh dunia, termasuk negara Indonesia. Upaya pemerintah dalam menangani pandemi ini salah satunya adalah dengan menerapkan kebijakan-kebijakan terkait penyebaran virus. Masyarakat Indonesia yang majemuk mempunyai opini yang beragam terhadap pemberlakuan kebijakan tersebut. Analisis sentimen merupakan studi yang menganalisis opini, sentimen dan emosi seseorang seseorang terhadap sebuah produk atau topik yang betujuan untuk mendapatkan informasi opini masyarakat dan kemudian mengklasifikasikannya. Tujuan dari penelitian ini adalah menemukan informasi opini masyarakat terhadap kebijakan pemerintah dalam menghadapi pandemi COVID-19 dengan harapan pemerintah dapat memantau dan mempertimbangkan kebijakan yang diberlakukan. Penelitian ini menerapkan metode lexicon-based untuk menganalisis polaritas opini masyarakat. Pengumpulan data dilakukan dari tanggal 17 April hingga 24 April 2020 dengan hastag jokowi. Dalam penelitian ini penulis memanfaatkan library textblob yang menyediakan kamus berisi leksikon sentimen. Tahap preprocessing yang dilakukan adalah case folding, menghapus string URL, menghapus karakter newline, menghapus mention dan retweet, mengganti nama pengguna dengan spasi, menghapus hashtag, replace slang, penghapusan tanda baca dan menerjemahkan teks kedalam Bahasa Inggris. Berdasarkan hasil analisis dihasilkan informasi bahwa sebagian besar masyarakat Indonesia memberikan tanggapan positif terhadap kebijakan pemerintah dalam upaya pencegahan penyebaran virus corona COVID-19 di Indonesia. Persentase menunjukan 30,7% tanggapan positif, 14,3% tanggapan negatif, dan 55% netral.
Keywords
References
L. N. Pradany and C. Fatichah, "Analisa Sentimen Kebijakan Pemerintah Pada Konten Twitter Berbahasa Indonesia Menggunakan SVM dan K-Medoid Clustering," SCAN-Jurnal Teknologi Informasi dan Komunikasi, vol. X1, no. 1, pp. 59-66, 2016.
W. Medhat, A. Hassan and H. Korashy, "Sentiment analysis algorithms and applications:," Ain Shams Engineering Journal, vol. 1, pp. 1093-1113, 2013.
N. Adiyasa , Adiwijaya and A. . S. Ardiyanti, "Analisis Sentimen Berbahasa Indonesia dengan pendekatan Lexicon-Based pada Media Sosial," vol. 2, no. 1, January - March 2017.
I. Rustanto and N. a. Rakhmawati, "Media Sentiment Analysis of East Java Province: Lexicon-Based vs Machine Learning SVM," IPTEK Journal of Proceedings Series, no. 6, pp. 203-208, 2020.
A. Rifiana and K. Imanuel, "Analisis Sentimen Topik Viral Desa Penari Pada Media Sosial Twitter Dengan Metode Lexicon Based," Jurnal Ilmiah MATRIK, vol. 21, no. 3, 2019.
H. M. Keerthi Kumar and B. S. Harish, "Classification of Short Text Using Various Preprocessing Techniques: An Empirical Evaluation," vol. 3, pp. 19-30, 2017.
K. . M. Nahar, A. Jaradat, M. S. Atoum and F. Ibrahim, "Sentiment Analysis And Classification Of Arab Jordanian Facebook Comments For Jordanian Telecom Companies Using Lexicon-Based Approach And Machine Learning," Jordanian Journal of Computers and Information Technology (JJCIT), vol. 06, no. 03, pp. 247-262, 2020.
W. N. S. Wan Min and N. Z. Zulkarnain, "Comparative Evaluation of Lexicons in Performing Sentiment Analysis," Journal Of Advanced Computing Technology And Application (JACTA), vol. 2, no. 1, pp. 14-20, 2020.
S. Loria, textblob Documentation Release 0.16.0, 2020.
U. Khaira, R. Johanda, U. P. Pradita Eko and T. Suratno, "Sentiment Analysis of Cyberbullying on Twitter," Indonesian Journal of Artificial Intelligence and Data Mining (IJAIDM), vol. 3, no. 1, pp. 21-26, 2020.
J. Xu, Y. Zhang and D. Miao, "Three-way confusion matrix for classification: A measure driven view," Information Sciences, vol. 507, no. 0020-0255, pp. 772-794, 2020.
G. A. Buntoro, T. B. Adji and A. E. Purnamasari, "Sentiment Analysis Twitter dengan Kombinasi Lexicon Based dan Double Propagation," CITEE Universitas Gajah Mada, pp. 39-43, 2014.
