Melola Discovery

← Melola Discovery

Journal

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) · pp. 416–426

ISSN
2613-9189
Published
2019-02-18
Publisher
Jurusan Matematika FMIPA UNNES
Language
eng

Abstract

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.

Collaboration network of the authors

22 authors · 37 co-authorship links

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Bella DestiaAffiliation unknown1
Febi Permata PutriAffiliation unknown1
Riski Pratama RamadhanAffiliation unknown1
Bayu Galih PriandaAffiliation unknown1
Anggun Puspita SariAffiliation unknown1
Kariyam KariyamAffiliation unknown1
Feri WijayantoAffiliation unknown1
Muhammad BariklanaAffiliation unknown1
Riza Amelia ChoerunnisaAffiliation unknown1
Rosiana Rahma DewiAffiliation unknown1
Henny Puji AstutiAffiliation unknown1
Muhammad Bohari RahmanAffiliation unknown1
Eli SurianiAffiliation unknown1
Gita Evi KusumandariAffiliation unknown1
Rahma Yuliati KashiAffiliation unknown1
Afdhah Nur RiadhohAffiliation unknown1
Galuh Eka PuspitaAffiliation unknown1
Inas RafidahAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

Metadata source: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/prisma/oai, first harvested 6 Nov 2026, last seen 6 Nov 2026.
Original metadata (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>