Loading presentation...

Present Remotely

Send the link below via email or IM

Copy

Present to your audience

Start remote presentation

  • Invited audience members will follow you as you navigate and present
  • People invited to a presentation do not need a Prezi account
  • This link expires 10 minutes after you close the presentation
  • A maximum of 30 users can follow your presentation
  • Learn more about this feature in our knowledge base article

Do you really want to delete this prezi?

Neither you, nor the coeditors you shared it with will be able to recover it again.

DeleteCancel

Make your likes visible on Facebook?

Connect your Facebook account to Prezi and let your likes appear on your timeline.
You can change this under Settings & Account at any time.

No, thanks

Analisis Sentimen

Analisis Sentimen Masyarakat Terhadap Pemerintahan Jokowi Menggunakan Data Twitter
by

Muhammad Yislam

on 10 December 2015

Comments (0)

Please log in to add your comment.

Report abuse

Transcript of Analisis Sentimen

Batasan Masalah
Penelitian hanya dilakukan terhadap pengguna media sosial Twitter.
Domain dari tweet yang diklasifikasikan adalah mengenai bidang politik, ekonomi dan hukum.
Data yang digunakan merupakan data opini yang berasal dari media sosial Twitter yang disebut dengan data tweet.
Tweet yang dianalisis yang menyebutkan kata kunci di bidang politik, ekonomi dan hukum.
Tweet yang diteliti merupakan tweet berbahasa Indonesia.
Analisis sentimen yang dilakukan dalam penelitian ini merupakan analisis sentimen pada data tweet.
Metode yang digunakan dalam pengklasifikasian data adalah pendekatan leksikon dengan mengunakan term counting untuk menentukan polaritas kata.
Pengambilan dataset menggunakan data tanggal 1 Oktober 2015 sampai dengan 31 Oktober 2015.
Research Question
Bagaimana tanggapan masyarakat terhadap kinerja pemerintahan di media sosial Twitter?
Tujuan Penelitian
mengetahui sentimen masyarakat terhadap pemerintahan pada domain politik, ekonomi dan hukum
sebagai bahan evaluasi bagi pemerintah
Mengklasifikasikan sentimen pada Twitter dalam jumlah yang besar secara otomatis.
Dapat menjadi alat bantu dalam pengambilan keputusan strategi pengembangan layanan informasi yang dimiliki oleh lembaga pemerintahan.
Dari segi akademis, menambahkan kamus leksikon untuk domain politik, ekonomi dan hukum.
Memperkaya penelitian terhadap analisis sentimen berbahasa Indonesia.
Dari segi praktisi, mendapatkan salah satu metode untuk mengetahui opini dari twitter.
Analisis Sentimen Masyarakat
Terhadap Pemerintah
Menggunakan Data Twitter
Manfaat Penelitian
Latar Belakang
Tinjauan Pustaka
Metodologi Penelitian
BAB 5
Hasil Dan Pembahasan
Pendahuluan
By Yislam
Kesimpulan
Hasil klasifikasi sentimen, dibidang Politik dan Ekonomi sentimen positif lebih dominan dibandingkan sentimen negatif
Hasil klasifikasi sentimen dibidang Hukum mendapatkan sentimen negatif
Hasil klasifikasi sentimen yang didapatkan, sebesar
51.29%
bersentimen netral
Berdasarkan perbandingan dengan survei LSI, bidang Hukum memiliki selisih terkecil (8.21%) dibandingkan yang lain
Saran
Menggunakan
server
dalam menarik data dari
crawler
secara otomatis setiap hari.
Memilih
tweet
yang benar-benar mengandung opini dari masyarakat.
Menambahkan kata-kata pada kamus leksikon agar lebih akurat dalam mengklasifikasikan sentimen.
Dibutuhkan penambahan proses
preprocessing tweet
, yakni menghilangkan pengulangan kalimat dan penambahan singkatan dan bahasa
non
-formal termasuk bahasa daerah.
Penelitian selanjutnya dapat dikembangkan lagi dengan membuat kamus leksikon yang sesuai dengan domain area yang diteliti.
Perlunya evaluasi kinerja pemerintahan
Kebijakan
Perubahan struktur kementerian
Muncul kebijakan-kebijakan baru
Menteri
Ada Menteri yang tidak terlihat kinerjanya
Adanya
reshuffle
kabinet

Publik
Muncul pro-kontra di masyarakat
Munculnya Sentimen Publik di media massa dan media sosial
Analisis Sentimen
Sentimen adalah pendapat, emosi, suka/tidak suka dll
Analisis sentimen bertujuan mengekstrasi pendapat dan emosi orang berupa teks
Analisis Sentimen terbagi menjadi 3 level
Level dokumen
Level kalimat
Level fitur/kata
Dua pendekatan dalam analisis sentimen
Machine Learning
Lexicon Based
Leksikon Sentimen
kumpulan kata yang dapat mengekspresikan sentimen positif atau negatif
Tantangan
Kata bersentimen bisa saja mengekspresikan sentimen yang berlawanan jika diimplementasikan pada domain yang berbeda
Kata bersentimen kadang juga tidak mengungkapkan ekspresi sentimen apapun. Biasanya berupa kalimat tanya
Kalimat yang bersifat sarkas atau menyindir.
Kalimat yang tidak mengandung kata bersentimen bisa saja mengekspresikan sentimen
Pembentukan Leksikon Sentimen
Secara manual
Berbasis kamus
Berbasis korpus
Supporting Tools
Penelitian Terdahulu
Theoretical Framework
Metodologi Penelitian
Pengumpulan Data Tweet
Preprocessing
Pembentukan Kamus Leksikon
Klasifikasi Sentimen
Evaluasi
Kata kunci yang digunakan pada
query
Memanfaatkan fasilitas Twitter API yang telah disediakan

Tahapan:
Cleansing
Case Folding
Tokenization
Stopword
Normalisasi kata
Tujuan :
Menghilangkan kalimat yang tidak sesuai penelitian
Menyeragamkan bentuk kata
Mengurangi volume kata
Politik
Ekonomi
Hukum
Kamus
Positif
Kamus
Positif
Kamus
Positif
Kamus
Negatif
Kamus
Negatif
Kamus
Negatif
Menggunakan kamus yang telah disediakan oleh Vania dkk. (Vania dkk., 2014)
Menambahkan kamus sesuai domain dengan cara:
Memasukan kata kunci yang mempunyai kata sentimen ke dalam kamus
Mencari kata-kata bersentimen secara manual pada
dataset
Melakukan
cross check
(validasi) dengan hasil
survei yang diperoleh dari lembaga survei.
Term Counting Approach
(Ohana dan Tierney, 2009)

Menghitung kata yang mengandung sentimen positif
atau negatif menggunakan pedekatan
term counting
Keluaran dari proses ini menghasilkan data yang berisi sentimen positif dan
negatif.
Pengumpulan Data
Hasil:
Proses Pengolahan Dataset
Tahapan pemrosesan data terdiri atas tujuh proses,yakni:
1. Document Filtering
2. Cleansing
3. Case folding
4. Tokenization
5. Remove Duplicate
6. Remove Stopwords
7. Normalisasi
Proses dan Hasil Kamus Leksikon
Hasil
Hasil
Hasil Klasifikasi Sentimen
Hasil Data Klasifikasi
Politik
Ekonomi
Hukum
Evaluasi
Data hasil survey LSI pada tanggal
25-27 Oktober 2015
http://nasional.kompas.com/read/2015/10/29/14073281/Survei.LSI.Jokowi.Perlu.Menteri.Utama.Agar.Pemerintahan.Kuat
Presentase Dataset Positif
Hasil
Analisis Data
Hasil klasifikasi sentimen:
51.29
% sentimen netral
Tweet yang diperoleh berasal dr berita
Masih terdapat duplikasi tweet pada dataset
Pada hasil preprocessing, terdapat data yang terdiri dari 1 atau 2 kata.
Analisis Sentiment
Full transcript