Article Per Year (5 Year)
p-Index From 2019 - 2024
0.23
P-Index
This Author published in this journals
All Journal Jurnal Teknik Informatika
Rindengan, Yaulie Deo
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Electrical & Electronics Engineering Library & Information Science

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Analisis Sentimen Twitter Pasca Pengumuman Hasil Pilpres 2019 Menggunakan Metode Lexicon Analysis Nababan, Adi Pandu Rahmat; Lumenta, Arie Salmon Matius; Rindengan, Yaulie Deo; Pontoh, Fransisca Joanet; Akay, Yuri Vanli
Jurnal Teknik Informatika Vol 15, No 1 (2020): JURNAL TEKNIK INFORMATIKA
Publisher : Universitas Sam Ratulangi

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35793/jti.15.1.2020.29030

Abstract

Perkembangan yang cepat dalam bidang teknologi informasi menjadi sebuah paradigma baru. Twitter salah satu produk teknologi yang memungkinkan pengguna menyampaikan informasi peristiwa dari dunia nyata ke media sosial sehingga dapat diketahui khalayak luas lewat media internet. Salah satu peristiwa menarik adalah pengumuman hasil Pilpres oleh KPU pada tanggal 21 Mei 2019. Banyak kicauan di twitter menjadi trending topik yang berhubungan dengan kejadian tersebut. Karena itu pada penelitian ini akan dilakukan penarikan data tweet, kemudian menganalisis data dengan metode lexicon analysis. Lalu menampilkan data yang telah dianalisis. Pada penelitian ini terdapat 21 hashtag trending topik yang ditarik. Selanjutnya data tweet melalui tahap preprosesing yaitu tokenizing, normalisasi kata, filtering dan stemming. Data dianalisis menggunakan metode lexicon analisis dan dukungan kamus lexicon dan dijalankan dalam bahasa R untuk menentukan sentimen positif, negatif dan netral. Dari hasil penelitian sentimen positif   tertinggi  pada hashtag #JokowiAminSudahMenang sebanyak 54%. Sentimen negatif   tertinggi    pada   hashtag    #PrabowoBukanPemimpin sebanyak 51%, serta sentimen netral tertinggi terdapat pada #98jagademokrasi sebanyak 72%. Lexicon analysis dapat mengklasifikasikan data tweet dalam tiga kelas yaitu positif, negatif dan netral. Dan tingkat akurasi analisis sangat ditentukan oleh banyaknya jumlah kata pada kamus lexicon.
Co-Authors Lumenta, Arie Salmon Matius Nababan, Adi Pandu Rahmat Pontoh, Fransisca Joanet Yuri Vanli Akay