Analisis Sentimen Media Sosial Twitter Terhadap Tragedi Kanjuruhan

Abstract

Penelitian yang dilakukan bertujuan untuk menganalisis sentimen masyarakat terhadap tragedi Kanjuruhan menggunakan metode naive bayes. Metode Naive bayes adalah metode pembelajaran mesin (machine learning), dimana metode naive bayes dapat melakukan klasifikasi dalam jumlah data yang besar dan dapat melakukan labelling otomatis pada sebuah data sentimen dari data uji atau data training berdasarkan model data yang sudah dipelajari oleh naive bayes itu sendiri, dengan ini machine learning sudah berhasil membuat hasil dari pembelajaran nya sendiri. Berdasarkan hasil visualisasi nilai evaluasi yang diperoleh adalah sebesar prediction (sentimen) : Negatif = 1.404 sedangkan predicition (sentimen) : Positif = 1.129 dengan hasil evalusasi accuracy mencapai 98.20%, untuk itu dapat disimpulkan bahwa dari tweet ini lebih banyak pengguna twitter yang bersentimen negatif terhadap tragedi Kanjuruhan. Banyaknya sentimen negatif terkait tragedi ini, dapat dijadikan sebagai tolak ukur atau sebagai acuan untuk beberapa organisasi penanggung jawab kegiatan tersebut agar dapat mengetahui pendapat masyarakat terhadap kegiatan yang telah diselenggarakan, agar menjadi pembelajaran ke depannya dalam menyelenggarakan kegiatan yang serupa.

The research conducted aims to analyze public sentiment towards the Kanjuruhan tragedy using the naive bayes method. The Naive Bayes method is one of the machine learning methods, where the naive bayes method can perform classification in large amounts of data and can automatically label sentiment data from test data or training data based on data models that have been learned by naive bayes itself, in this case machine learning has succeeded in making its own learning results. Based on the visualization results, the evaluation value obtained is prediction (sentiment): Negative = 1.404 while prediction (sentiment): Positive = 1,129 with an accuracy evaluation result of 98.20%, for that it can be concluded that from these tweets more twitter users have negative sentiments towards the Kanjuruhan tragedy. The number of negative sentiments related to this tragedy can be used as a benchmark or as a reference for several organizations in charge of activities in order to find out public opinion on activities that have been held, so that it becomes a lesson for the future in organizing similar activities.