Melola Discovery

← Melola Discovery

Jurnal

Analisis Sentimen Twitter terhadap Bom Bunuh Diri di Surabaya 13 Mei 2018 menggunakan Pendekatan Support Vector Machine

PRISMA, Prosiding Seminar Nasional Matematika · Vol. 2 (2019) · hlm. 416–426

ISSN
2613-9189
Terbit
2019-02-18
Penerbit
Jurusan Matematika FMIPA UNNES
Bahasa
eng

Abstrak

Salah satu media sosial yang sedang populer saat ini adalah Twitter. Kebiasaan masyarakat mem-posting tweet untuk menilai atau menanggapi peristiwa yang terjadi akhir-akhir ini adalah salah satu media yang merepresentasikan tanggapan masyarakat terhadap peristiwa tersebut. Salah satu peristiwa yang sedang hangat diperbincangkan adalah terjadinya peledakan bom bunuh diri di Surabaya tanggal 13 Mei 2018. Melalui postingan tweet tersebut peneliti menganalisis tweet berbahasa Indonesia yang berkaitan dengan peristiwa tersebut atau sering disebut analisis sentimen. Analisis dilakukan dengan melakukan klasifikasi untuk menggambarkan sentimen masyarakat, data diklasifikasikan menjadi 2 kondisi, yaitu sentimen positif dan sentimen negatif. Sentimen negatif mendominasi yaitu sebanyak 1921 tweets dan sentimen positif sebanyak 121 tweets. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Hasil klasifikasi yang diperoleh dengan menggunakan metode SVM memiliki tingkat akurasi sebesar 100% yang diuji dengan data testing sebanyak 1708 data dan dilatih dengan data training sebanyak 334 data. Secara keseluruhan SVM cukup baik untuk melakukan klasifikasi pada data tweet ini.

Jaringan kolaborasi para penulis

9 penulis · 12 tautan kepenulisan bersama

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Henny Puji AstutiAfiliasi tidak diketahui1
Muhammad Bohari RahmanAfiliasi tidak diketahui1
Eli SurianiAfiliasi tidak diketahui1
Gita Evi KusumandariAfiliasi tidak diketahui1
Rahma Yuliati KashiAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">Analisis Sentimen Twitter terhadap Bom Bunuh Diri di Surabaya 13 Mei 2018 menggunakan Pendekatan Support Vector Machine</dc:title>
	<dc:creator>Listari, Listari</dc:creator>
	<dc:creator>Ihsan, Munaffidzul</dc:creator>
	<dc:creator>Paradistiac, Eky Roza</dc:creator>
	<dc:creator>Widodo, Edy</dc:creator>
	<dc:description xml:lang="en-US">Salah satu media sosial yang sedang populer saat ini adalah Twitter. Kebiasaan masyarakat mem-posting tweet untuk menilai atau menanggapi peristiwa yang terjadi akhir-akhir ini adalah salah satu media yang merepresentasikan tanggapan masyarakat terhadap peristiwa tersebut. Salah satu peristiwa yang sedang hangat diperbincangkan adalah terjadinya peledakan bom bunuh diri di Surabaya tanggal 13 Mei 2018. Melalui postingan tweet tersebut peneliti menganalisis tweet berbahasa Indonesia yang berkaitan dengan peristiwa tersebut atau sering disebut analisis sentimen. Analisis dilakukan dengan melakukan klasifikasi untuk menggambarkan sentimen masyarakat, data diklasifikasikan menjadi 2 kondisi, yaitu sentimen positif dan sentimen negatif. Sentimen negatif&amp;nbsp; mendominasi yaitu sebanyak 1921 tweets dan sentimen positif sebanyak 121 tweets. Metode klasifikasi yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Hasil klasifikasi yang diperoleh dengan menggunakan metode SVM memiliki tingkat akurasi sebesar 100% yang diuji dengan data testing sebanyak 1708 data dan dilatih dengan data training sebanyak 334 data. Secara keseluruhan SVM cukup baik untuk melakukan klasifikasi pada data tweet ini.</dc:description>
	<dc:publisher xml:lang="en-US">Jurusan Matematika FMIPA UNNES</dc:publisher>
	<dc:date>2019-02-18</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/prisma/article/view/29027</dc:identifier>
	<dc:source xml:lang="en-US">PRISMA, Prosiding Seminar Nasional Matematika; Vol 2 (2019): PRISMA, Prosiding Seminar Nasional Matematika; 416-426</dc:source>
	<dc:source>2613-9189</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/prisma/article/view/29027/12754</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2019 PRISMA, Prosiding Seminar Nasional Matematika</dc:rights>
</oai_dc:dc>