Perbandingan Analisis Sentimen Masyarakat Terhadap Calon Presiden Negara Indonesia 2024 Berdasarkan Opini di Twitter Menggunakan Metode Rule Based
Abstract
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap calon presiden dan wakil presiden Indonesia 2024 berdasarkan opini di Twitter pada akun Twitter masing masing calon Presiden. Analisis sentimen terhadap calon Presiden Indonesia 2024 di Twitter menggunakan metode Rule-Based. Data yang digunakan dalam penelitian ini berasal dari data tweet opini masyarakat yang ada di media social Twitter. Baik melalui kata topik maupun akun Twitter resmi calon Presiden Indonesia 2024 yakni @ganjarpranowo, @prabowo, @anisbaswedan. Jumlah data yang digunakan sebanyak 2336 tweet dari masing masing akun calon Presiden, dari akun @anisbaswedan sebanyak 783, sedangkan dari akun @prabowo sebanyak 745, dan dari akun @ganjarpranowo sebanyak 808 Tweet. Adapun Analisis sentimen ini dilakukan berdasarkan data balasan Tweet. Preprocessing yang digunakan dalam penelitian ini adalah Cleansing, Case Folding, Tokenizing, Filtering, Stemming. Hasil perbandingan yang didapatkan, menunjukkan bahwa ke tiga calon presiden memiliki perbandingan hasil analisis sentiment yang hamper sama. Secara persentasi data, maka calon presiden yang mendapatkan persentasi sentiment negative terbesar adalah Prabowo (31,54%) dan sentiment negative terkecil adalah Ganjar (24,75%), calon presiden yang mendapatkan persentasi sentiment netral terbesar adalah Ganjar (38,07%) dan sentiment netral terkecil adalah Anis (35,39%), calon presiden yang mendapatkan persentasi sentiment positive terbesar adalah Ganjar (37,19%) dan sentiment positive terkecil adalah Prabowo (32,53%)
References
[2] I. Muhlashin, “Negara Hukum, Demokrasi Dan Penegakan Hukum Di Indonesia,” J. Al-Qadau Peradil. Dan Huk. Kel. Islam, vol. 8, no. 1, pp. 87–100, 2021.
[3] G. P. Mulyono and R. Fatoni, “Demokrasi sebagai wujud nilai-nilai sila keempat Pancasila dalam pemilihan umum daerah di Indonesia,” Citizsh. J. Pancasila dan Kewarganegaraan, vol. 7, no. 2, pp. 97–107, 2020.
[4] C. E. Noviati, “Demokrasi dan sistem pemerintahan,” J. Konstitusi, vol. 10, no. 2, pp. 333–354, 2013.
[5] R. Ristawati, “Pemilihan umum presiden dan wakil presiden Indonesia dalam kerangka sistem pemerintahan presidensiil,” KONSTITUSI J, vol. 2, no. 1, p. 10, 2009.
[6] F. Az-Zahra et al., “Kedudukan Wakil Presiden Dalam Sistem Ketatanegaraan Indonesia Menurut UUDNRI 1945,” Garuda J. Pendidik. Kewarganegaraan Dan Filsafat, vol. 1, no. 4, pp. 247–253, 2023.
[7] S. Sukimin, “Pemilihan Presiden Dan Wakil Presiden Berdasarkan Undang-Undang Republik Indonesia Nomor 7 Tahun 2017 Tentang Pemilihan Umum,” J. Usm Law Rev., vol. 3, no. 1, pp. 112–134, 2020.
[8] R. S. Zuhro, “Demokrasi dan pemilu Presiden 2019,” J. Penelit. Polit., vol. 16, no. 1, pp. 69–81, 2019.
[9] H. Gunawan, “Tinjauan yuridis terhadap ujaran kebencian (hate speech) di media sosial dikaitkan dengan kebebasan berpendapat dan undang-undang nomor 19 tahun 2016 tentang perubahan atas undang-undang nomor 11 tahun 2008 tentang informasi dan transaksi elektronik,” Res Nullius Law J., vol. 2, no. 1, pp. 76–86, 2020.
[10] M. Kodiyat and B. Asdhie, “Etika Dalam Menyampaikan Pendapat Di Media Sosial Dalam Persfektif Hak Konstitusional Warga Negara,” Edutech J. Ilmu Pendidik. Dan Ilmu Sos., vol. 4, no. 2, p. 378785, 2018.
[11] A. Rafiq, “Dampak media sosial terhadap perubahan sosial suatu masyarakat,” Glob. Komunika J. Ilmu Sos. Dan Ilmu Polit., vol. 3, no. 1, pp. 18–29, 2020.
[12] R. Mustaqlillah, O. Widyaningtyas, and T. Wantoro, “Efektivitas Penggunaan Twitter Sebagai Sarana Peningkatan Berpikir Kritis Mahasiswa Ilmu Komunikasi,” MUKASI J. Ilmu Komun., vol. 2, no. 1, pp. 18–28, 2023.
[13] A. L. Fairuz, R. D. Ramadhani, and N. A. F. Tanjung, “Analisis Sentimen Masyarakat Terhadap COVID-19 Pada Media Sosial Twitter,” J. Dinda Data Sci. Inf. Technol. Data Anal., vol. 1, no. 1, pp. 42–51, 2021.
[14] R. Safitri, N. Alfira, D. Tamitiadini, W. W. A. Dewi, and N. Febriani, Analisis Sentimen: Metode Alternatif Penelitian Big Data. Universitas Brawijaya Press, 2021.
[15] Y. Yunitasari, “teori dan implementasi analisis sentimen menggunakan python.” unipma press, 2023.
[16] P. Ficamos, Y. Liu, and W. Chen, “A Naive Bayes and Maximum Entropy approach to sentiment analysis: Capturing domain-specific data in Weibo,” in 2017 IEEE International Conference on Big Data and Smart Computing (BigComp), 2017, pp. 336–339.
[17] J. A. Anyim, “A comparative evaluation of sentiment analysis techniques on Facebook data using three machine learning algorithms: Na{\"\i}ve Bayes, maximum entropy and support vector machines,” 2014.
[18] H. Renganathan and B. W. Low, “Sentiment analysis using maximum entropy and support vector machine,” in Knowledge Engineering Conference (STAKE 2010), 2010, p. 1.
[19] K. Nigam, J. Lafferty, and A. McCallum, “Using maximum entropy for text classification,” in IJCAI-99 workshop on machine learning for information filtering, 1999, vol. 1, no. 1, pp. 61–67.
[20] M. Z. Asghar, A. Khan, S. Ahmad, M. Qasim, and I. A. Khan, “Lexicon-enhanced sentiment analysis framework using rule-based classification scheme,” PLoS One, vol. 12, no. 2, p. e0171649, 2017.
[21] P. Berka, “Sentiment analysis using rule-based and case-based reasoning,” J. Intell. Inf. Syst., vol. 55, no. 1, pp. 51–66, 2020.
[22] S. Zahoor and R. Rohilla, “Twitter sentiment analysis using lexical or rule based approach: a case study,” in 2020 8th International Conference on Reliability, Infocom Technologies and Optimization (Trends and Future Directions)(ICRITO), 2020, pp. 537–542.
