ANALISIS SENTIMEN PADA OPINI KENAIKAN HARGA BAHAN BAKAR MINYAK PADA MEDIA SOSIAL TWITTER

Windah Maria Sonia Nadiah Hutagalung, Tony Tony, Novario Jaya Perdana
{"title":"ANALISIS SENTIMEN PADA OPINI KENAIKAN HARGA BAHAN BAKAR MINYAK PADA MEDIA SOSIAL TWITTER","authors":"Windah Maria Sonia Nadiah Hutagalung, Tony Tony, Novario Jaya Perdana","doi":"10.51876/simtek.v8i2.207","DOIUrl":null,"url":null,"abstract":"Bahan bakar minyak (BBM) adalah salah satu kebutuhan masyarakat di Indonesia. Pada awal September 2022, pemerintah Indonesia mengeluarkan pernyataan penyesuaian terhadap 3 jenis bahan bakar minyak. Pernyataan tersebut mendapat respon yang kurang baik oleh masyarakat di Indonesia, baik penyampaian secara langsung maupun penyuaraan opini melalui media sosial. Twitter adalah salah satu media sosial tempat masyarakat menyuarakan opini, dengan topik kenaikan harga bahan bakar minyak ini akan dilakukan sebuah penelitian analisis sentimen. Tweet akan diklasifikasikan menjadi sentimen positif atau negatif, proses klasifikasi ini menggunakan algoritma Naïve Bayes. Crawling data dilakukan dengan aplikasi Rapid Miner, lalu pemrosesan data dan analisis dilakukan dengan bahasa pemrograman Python dengan bantuan Google Colaboratory sebagai compiler secara online. Hasil dari penelitian ini ditemukan sebanyak 78,13% tweet bersifat negatif dan 21,87% tweet bersifat positif, dengan kata “harga” dan “bbm” adalah kata yang paling sering muncul dalam Tweet yang berbeda.","PeriodicalId":34309,"journal":{"name":"Jurnal Sisfokom","volume":"19 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-10-02","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Jurnal Sisfokom","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.51876/simtek.v8i2.207","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Bahan bakar minyak (BBM) adalah salah satu kebutuhan masyarakat di Indonesia. Pada awal September 2022, pemerintah Indonesia mengeluarkan pernyataan penyesuaian terhadap 3 jenis bahan bakar minyak. Pernyataan tersebut mendapat respon yang kurang baik oleh masyarakat di Indonesia, baik penyampaian secara langsung maupun penyuaraan opini melalui media sosial. Twitter adalah salah satu media sosial tempat masyarakat menyuarakan opini, dengan topik kenaikan harga bahan bakar minyak ini akan dilakukan sebuah penelitian analisis sentimen. Tweet akan diklasifikasikan menjadi sentimen positif atau negatif, proses klasifikasi ini menggunakan algoritma Naïve Bayes. Crawling data dilakukan dengan aplikasi Rapid Miner, lalu pemrosesan data dan analisis dilakukan dengan bahasa pemrograman Python dengan bantuan Google Colaboratory sebagai compiler secara online. Hasil dari penelitian ini ditemukan sebanyak 78,13% tweet bersifat negatif dan 21,87% tweet bersifat positif, dengan kata “harga” dan “bbm” adalah kata yang paling sering muncul dalam Tweet yang berbeda.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
在社交媒体上对燃油价格上涨的看法进行了情绪分析
燃料是印尼社会的需求之一。2022年9月初,印尼政府发表了对三种燃料的调整声明。印度尼西亚人民对这一声明的反应并不好,无论是通过社交媒体进行口头传播还是通过社交媒体进行舆论推广。Twitter是人们发表意见的社交媒体之一,关于油价上涨的话题是一项情感分析研究。推特将被归类为积极或消极的情绪,这种分类过程使用的是天真的贝斯算法。数据爬虫是通过Rapid Miner应用程序进行的,然后是数据处理和分析,是在谷歌联合实验室(谷歌Colaboratory)的在线帮助下,在Python编写语言方面进行的。这项研究发现,78.13%的推文是负面的,21.87%的推文是积极的,“价格”和“bbm”是最常见的推文。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
40
审稿时长
8 weeks
期刊最新文献
Identifying Credit Card Fraud in Illegal Transactions Using Random Forest and Decision Tree Algorithms Determining Scholarship Recipients at STIT Prabumulih Using the AHP Method Determining Promotional Package Recommendations Using the Frequent Pattern Growth Algorithm at The Java Cafe Systematic Literature Review: Machine Learning Methods in Emotion Classification in Textual Data Heart Chamber Segmentation in Cardiomegaly Conditions Using the CNN Method with U-Net Architecture
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1