Analysis of Indonesian Netizens' Dissent on President Jokowi before and after Fuel Price Increase

Adi Mulia, Akhmad Rizal Dzikrillah
{"title":"Analysis of Indonesian Netizens' Dissent on President Jokowi before and after Fuel Price Increase","authors":"Adi Mulia, Akhmad Rizal Dzikrillah","doi":"10.24114/cess.v8i2.45319","DOIUrl":null,"url":null,"abstract":"Penelitian ini dilakukan dengan tujuan yang didasarkan pada masalah yang muncul di masyarakat, yaitu kenaikan harga BBM. Metode klasifikasi sentimen yang diterapkan dalam penelitian ini adalah dengan menggunakan kamus korpus leksikon yang memperhitungkan nilai sentimen positif dan negatif. Peneliti lalu melakukan komparasi sentiment antara sebelum dan sesuadah kebijakan kenaikan harga BBM. Selanjutnya, peneliti menerapkan topik pemodelan Latent Dirichlet Allocation atau (LDA) untuk mengetahui apakah perbincangan kenaikan harga BBM menjadi topik utama saat BBM naik. Hasil dari penelitian ini menunjukkan bahwa setelah mengumumkan kenaikan harga BBM pada bulan September 2022, Persentase tweet bersentimen negatif yang mengarah kepada Presiden Jokowi mengalami kenaikan jika dibandingkan dengan sebelum mengumumkan kenaikan harga BBM. Persentase tweet bersentimen positif yang mengarah kepada presiden Jokowi mengalami penurunan jika dibandingkan dengan sebelum menaikkan harga BBM. Pada bulan saat presiden Jokowi mengumumkan kebijakan kenaikan harga BBM yaitu pada bulan September 2022, topik perbincangan yang berkaitan dengan kebijakan kenaikan harga BBM merupakan topik perbincangan terpopuler pada tweet yang mengarah kepada Presiden Jokowi. 33,8 % twit yang memperbincangkan kenaikan harga bahan bakar minyak adalah twit yang bersentimen negatif dengan topik perbincangan terpopuler netizen bersentimen negatif adalah topik-topik yang berelasi kritik pada pemerintahan Jokowi.This research was based on a problem that arose in the community, which was the increase in fuel prices. The sentiment classification method applied by the researcher is by using a lexicon corpus dictionary that considers positive and negative sentiment values. The researcher then compares sentiment between before and after the fuel price increase policy. Furthermore, the researcher applied Latent Dirichlet Allocation or (LDA) topic modeling to find out whether discussion of fuel price increase became the main topic when fuel rose. The results of this study show that after announcing the fuel price increase in September 2022, the percentage of negative tweets directed at President Jokowi has increased when compared to before announcing fuel price increase. The percentage of positive tweets directed at President Jokowi decreased when compared before raising fuel prices. In the month when President Jokowi announced fuel price increase policy, namely in September 2022, the topic of conversation related to fuel price increase policy was the most popular topic of conversation in tweets directed at President Jokowi. 33.8% of tweets that discussed fuel price increase negative tweets with the most popular topics of discussion netizens with negative sentiments topics related to criticism of Jokowi government. ","PeriodicalId":53361,"journal":{"name":"CESS Journal of Computer Engineering System and Science","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-07-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"CESS Journal of Computer Engineering System and Science","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.24114/cess.v8i2.45319","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

Penelitian ini dilakukan dengan tujuan yang didasarkan pada masalah yang muncul di masyarakat, yaitu kenaikan harga BBM. Metode klasifikasi sentimen yang diterapkan dalam penelitian ini adalah dengan menggunakan kamus korpus leksikon yang memperhitungkan nilai sentimen positif dan negatif. Peneliti lalu melakukan komparasi sentiment antara sebelum dan sesuadah kebijakan kenaikan harga BBM. Selanjutnya, peneliti menerapkan topik pemodelan Latent Dirichlet Allocation atau (LDA) untuk mengetahui apakah perbincangan kenaikan harga BBM menjadi topik utama saat BBM naik. Hasil dari penelitian ini menunjukkan bahwa setelah mengumumkan kenaikan harga BBM pada bulan September 2022, Persentase tweet bersentimen negatif yang mengarah kepada Presiden Jokowi mengalami kenaikan jika dibandingkan dengan sebelum mengumumkan kenaikan harga BBM. Persentase tweet bersentimen positif yang mengarah kepada presiden Jokowi mengalami penurunan jika dibandingkan dengan sebelum menaikkan harga BBM. Pada bulan saat presiden Jokowi mengumumkan kebijakan kenaikan harga BBM yaitu pada bulan September 2022, topik perbincangan yang berkaitan dengan kebijakan kenaikan harga BBM merupakan topik perbincangan terpopuler pada tweet yang mengarah kepada Presiden Jokowi. 33,8 % twit yang memperbincangkan kenaikan harga bahan bakar minyak adalah twit yang bersentimen negatif dengan topik perbincangan terpopuler netizen bersentimen negatif adalah topik-topik yang berelasi kritik pada pemerintahan Jokowi.This research was based on a problem that arose in the community, which was the increase in fuel prices. The sentiment classification method applied by the researcher is by using a lexicon corpus dictionary that considers positive and negative sentiment values. The researcher then compares sentiment between before and after the fuel price increase policy. Furthermore, the researcher applied Latent Dirichlet Allocation or (LDA) topic modeling to find out whether discussion of fuel price increase became the main topic when fuel rose. The results of this study show that after announcing the fuel price increase in September 2022, the percentage of negative tweets directed at President Jokowi has increased when compared to before announcing fuel price increase. The percentage of positive tweets directed at President Jokowi decreased when compared before raising fuel prices. In the month when President Jokowi announced fuel price increase policy, namely in September 2022, the topic of conversation related to fuel price increase policy was the most popular topic of conversation in tweets directed at President Jokowi. 33.8% of tweets that discussed fuel price increase negative tweets with the most popular topics of discussion netizens with negative sentiments topics related to criticism of Jokowi government. 
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
燃油涨价前后印尼网民对佐科维总统的异议分析
这项研究的目的是基于燃料价格上涨这一社会问题。这项研究采用的感情分类方法是使用词典词典来解释积极和消极的情绪价值。之前的研究人员对油价上涨政策进行了比较。此外,研究人员将最近的话题应用于最近的专利配售(LDA),以了解燃料上涨过程中燃料价格上涨的对话是否会成为主要话题。这项研究的结果表明,在2022年9月宣布油价上涨后,导致佐科维总统的负面推特比在宣布油价上涨之前有所上升。导致佐科维总统的积极言论百分比在油价上涨之前就已经下降了。当总统佐科维宣布月即2022年9月油价上涨,政策与政策有关的话题是推特的热门话题的燃料价格上涨,导致总统佐科维。33.8 %的推特和燃油价格上涨是负bersentimen和热门话题的推特网友负面bersentimen是佐科维政府批评模糊不清的话题。这项研究基于社区气味的问题,这就是燃料价格的增加。研究方法采用的是使用一个用于检测为阳性和负情感价值的语义词典。然后在价格增加政策之前和之后进行对比。更远的是,研究应用的专利专利或制模,以发现燃料价格的差异增加了主旋律当燃料玫瑰。在2022年9月公布燃料价格上涨后,佐科维总统指示的负面推文的再现已增加到油价上升之前。在招募燃料之前,佐科维总统在选举前否认了对等条件。《当总统佐科威近月燃油价格增加policy, namely在2022年9月,《对话相关话题进行到燃油价格增加政策是最受欢迎的话题进行对话》33卡奈导演在总统佐科维。8%的tweet那discussed燃油价格增加负tweet最流行的主题》与网友们一起受到质疑政府负佐科维sentiments主题相关的to criticism)。
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
4 weeks
期刊最新文献
Implementation of the Multimedia Development Life Cycle in Making Educational Games About Indonesia Data Mining Algorithm Decision Tree Itterative Dechotomiser 3 (ID3) for Classification of Stroke Implementation of Weight Aggregated Sum Product Assessment (WASPAS) on the Selection of Online English Course Platforms Usability of Brain Tumor Detection Using the DNN (Deep Neural Network) Method Based on Medical Image on DICOM Performance Comparison Analysis of Multi Prime RSA and Multi Power RSA
×
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