Analisis Sentimen, Text Mining Penerapan Analisis Sentimen Dan Naive Bayes Terhadap Opini Penggunaan Kendaraan Listrik Di Twitter

Penulis

  • Adittia Agustian Universitas Buana Perjuangan Karawang
  • Tukino Universitas Buana Perjuangan Karawang
  • Fitria Nurapriani Universitas Buana Perjuangan Karawang

DOI:

https://doi.org/10.51179/tika.v7i3.1550

Kata Kunci:

Twitter, Kendaraan Listrik, KTT G20, Analisis Sentimen, Naive Bayes, Python, API

Abstrak

Twitter merupakan media sosial paling populer pada saat ini. Dapat mengetahui berbagai tanggapan Twitter yang termasuk kategori positif, netral atau negatif. Kemajuan teknologi pada saat ini begitu pesat sehingga kendaraan akan menyediakan bahan bakar tenaga listrik atau disebut kendaraan listrik. Indonesia menjadi negara yang mendorong percepatan dalam penggunaan kendaraan listrik, dari hasil surat edaran menteri BUMN. Kemajuan kendaraan bertenaga listrik menjadi inovasi dan teknologi yang akan terus berkembang dan bertransformasi. Dengan hadirnya kendaraan listrik tersebut pemerintah Indonesia akan dijadikan sebagai kendaraan tamu penting pada kegiatan KTT G20 di Bali, Indonesia. Tujuan dari penelitian ini yaitu untuk mengetahui respon masyarakat terhadap kendaraan listrik yang saat ini banyak dipergunakan pada kalangan masyarakat Indonesia. Untuk mengetahui respon publik tersebut diperlukannya analisis sentimen melalui tanggapan pengguna twitter.  Dengan menghasilkan kategori positif, netral atau negatif. Berdasarkan hasil klasifikasi analisis sentimen terhadap dukungan kendaraan listrik. Pengumpulan data menggunakan Twitter API sebagai open source yang dapat mengambil respon pengguna twitter, kemudian dilakukan proses pembersihan data, pengubahan bahasa Indonesia ke bahasa Inggris, kemudian diuji menggunakan algoritma Naïve Bayes, dan visualisasi data twitter menggunakan python. Berdasarkan hasil klasifikasi, respon masyarakat terhadap kendaraan listrik lebih mengarah positif dengan presisi 82% dan recall 44%. Dengan memiliki akurasi data 80% melalui confusion matrix Naïve Bayes melalui proses text mining, text blob python, dan word cloud sebagai hubungan antara kata dan teks twitter

Unduhan

Data unduhan belum tersedia.

Referensi

Azizi Hakim, Moh, Erik Heriana, Sony Sukmara, Dwi Susanto, Fakultas Teknologi dan Informatika universitas Mathla, and ul Anwar Banten. 2022. “Implementasi Kendaraan Dengan Penggerak Motor Listrik.” 02(01):2022.

Darwis, Dedi, Nery Siskawati, and Zaenal Abidin. 2021. “Penerapan Algoritma Naive Bayes Untuk Analisis Sentimen Review Data Twitter Bmkg NasionalA.” Jurnal Tekno Kompak 15(1):131. doi: 10.33365/jtk.v15i1.744.

Duei Putri, Dianati, Gigih Forda Nama, and Wahyu Eko Sulistiono. 2022. “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier.” Jurnal Informatika Dan Teknik Elektro Terapan 10(1):34–40. doi: 10.23960/jitet.v10i1.2262.

Fauziyyah, Anni Karimatul. 2020. “Analisis Sentimen Pandemi Covid19 Pada Streaming Twitter Dengan Text Mining Python.” Jurnal Ilmiah SINUS 18(2):31. doi: 10.30646/sinus.v18i2.491.

Gaikindo. 2020. GAIKINDO Auto Insight.

Kemp, Simon. 2022. “Digital-2022-Indonesia-February-2022-V01_compressed.Pdf.” 24–84.

Khairunnisa, Syifa, Adiwijaya Adiwijaya, and Said Al Faraby. 2021. “Pengaruh Text Preprocessing Terhadap Analisis Sentimen Komentar Masyarakat Pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19).” Jurnal Media Informatika Budidarma 5(2):406. doi: 10.30865/mib.v5i2.2835.

Lia Hananto, April, Priati Assiroj, Bayu Priyatna, Nurhayati, Ahmad Fauzi, Aviv Yuniar Rahman, and Shofa Shofiah Hilabi. 2021. “Analysis of Drug Data Mining with Clustering Technique Using K-Means Algorithm.” Journal of Physics: Conference Series 1908(1). doi: 10.1088/1742-6596/1908/1/012024.

Meiyanti, Rini, and Cut Lika Mestika Sandy. 2021. “Klasifikasi Jenis Suara Wanita Berdasarkan Register Suara Dalam Teknik Bernyanyi Secara Real Time Menggunakan Algoritma BAM Dan Algoritma Viterbi.” Jurnal Tika 5(3):60–69. doi: 10.51179/tika.v5i3.17.

Prianjani, Dana, and Wahyudi Sutopo. 2018. “Studi Komparasi Penelitian Standar Kendaraan Listrik Dunia Dengan Standar Kendaraan Listrik Indonesia.” Prosiding SNST Ke-9 13.

Priyatna, Bayu, April Lia Hananto, and Muhammad Nova. 2020. “Application of UAT ( User Acceptance Test ) Evaluation Model in Minggon E-Meeting Software Development.” Systematics 2(3):110–17.

Tukino, Baenil Huda. 2019. “TechnoXplore Jurnal Ilmu Komputer & Teknologi Informasi ISSN : 2503-054X Vol 4 No: 1, April 2019.” Jurnal Ilmu Komputer & Teknologi Informasi 4(1):28–37.

Tulus Pangapoi Sidabutar, Victor. 2020. “Kajian Pengembangan Kendaraan Listrik Di Indonesia: Prospek Dan Hambatannya.” Jurnal Paradigma Ekonomika 15(1):21–38. doi: 10.22437/paradigma.v15i1.9217.

Veza, Ibham, Asif Afzal, M. A. Mujtaba, Anh Tuan Hoang, Dhinesh Balasubramanian, Manigandan Sekar, I. M. R. Fattah, M. E. M. Soudagar, Ahmed I. EL-Seesy, D. W. Djamari, A. L. Hananto, N. R. Putra, and Noreffendy Tamaldin. 2022. “Review of Artificial Neural Networks for Gasoline, Diesel and Homogeneous Charge Compression Ignition Engine: Review of ANN for Gasoline, Diesel and HCCI Engine.” Alexandria Engineering Journal 61(11):8363–91. doi: 10.1016/j.aej.2022.01.072.

Unduhan

Diterbitkan

10-12-2022

Cara Mengutip

Agustian, A., Tukino, & Nurapriani, F. (2022). Analisis Sentimen, Text Mining Penerapan Analisis Sentimen Dan Naive Bayes Terhadap Opini Penggunaan Kendaraan Listrik Di Twitter. Jurnal Tika, 7(3), 243–249. https://doi.org/10.51179/tika.v7i3.1550