Analisis Klasifikasi Sentimen Kepulangan Imam Besar Fpi Menggunakan Metode Klasifikasi Support Vector Machine (Studi Kasus : Data Opini Netizen Mengenai Kepulangan Habib Rizieq Melalui Twitter)

Abstract

Pada akhir tahun 2020 berita kepulangan Habib Rizieq ke Indonesia cukup menyita perhatian masyarakat di Indonesia. Kepulangannya menuai kecaman dari masyarakat karena telah menyebabkan sebuah kerumunan massa di masa pandemi Covid-19. Berita tersebut tersebar di berbagai platform internet, serta opini-opini masyarakat pun disuarakan di berbagai media sosial tak terkecuali twitter. Peneliti ingin mengklasifikasikan data teks berupa opini mengenai kepulangan Habib Rizieq dari media sosial twitter ke dalam sentimen positif dan negatif dengan metode Support Vector Machine. Data opini yang berasal dari twitter merupakan data teks, sehingga data tersebut di analisis dengan text mining yang disebut tahap preprocessing untuk mengubah data teks yang tak terstuktur tersebut menjadi data terstruktur yang siap untuk di analisis. Klasifikasi yang dilakukan dengan menggunakan metode SVM terhadap data opini Habib Rizieq yang tidak seimbang antara kelas positif dan negatif menghasilkan nilai akurasi sebesar 95.06% dengan perbandingan jumlah sentimen positif lebih banyak daripada kelas sentimen negatif. Hasil klasifikasi dengan data yang telah diseimbangkan dengan metode oversampling mendapatkan akurasi sebesar 100%. Terkait asosiasi kata yang terbentuk dari topik yang sering dibicarakan mengenai kepulangan Habib Rizieq pada kelas positif diantaranya adalah bebas, dukung, revolusi, akhlak, adil, dan cinta. Sedangkan asosiasi kata untuk kelas negatif diantaranya ada tes, polisi, ulama, aziz, dan Bogor.