Analisis Sentimen Terhadap Islamophobia Di Twitter Menggunakan Algoritma Decision Tree C4.5

Lisa Uliana, Adzuha Desmi, Liz Ayu Widari, Yesy Afrillia, Fadlisyah Fadlisyah

Abstract


Twitter merupakan salah satu media sosial yang memiliki banyak pengguna dari seluruh dunia. Twitter memungkinkan siapapun, untuk “berkicau” di dalamnya. Seperti fenomena belakangan ini mencuat isu islamophobia yang belakangan ini banyak dibicarakan di media sosial twitter. Islamophobia merupakan ketakutan yang dialami seseorang maupun kelompok terhadap agama islam maupun para muslim yang bersumber dari pandangan yang tertutup tentang islam, serta disertai prasangka. Oleh karena hal itu agar mengetahui bagaimana sentimen publik tentang islamophobia di media sosial twitter dibutuhkan sebuah cara yaitu dengan melakukan analisis sentimen agar dapat mengetahui sentimen apa saja yang muncul pada isu islamophobia di twitter berupa sentimen positif maupun negatif. Agar dapat melakukan analisis sentimen dengan akurat diperlukan sebuah sistem analisis sentimen, penelitian ini menggunakan algoritma C4.5 untuk menentukan kelas sentimen terhadap isu islamophobia. Data yang digunakan pada Decision Tree penelitian ini merupakan kumpulan data tweet yang berjumlah 1200 data yang dikumpulkan menggunakan sebuah library python yaitu snscrape. Penelitian ini menggunakan data latih dan data uji dengan rasio 7:3 dari dataset yang berjumlah 1200 data yaitu data latih sebanyak 840 data dan data uji sebanyak 360 data. Berdasarkan dari penelitian maupun pengujian yang telah dilakukan dengan menggunakan algoritma Decision Tree C4.5 berdasarkan pada tabel confusion matrix didapatkan accuracy senilai 74,17% , precission senilai 45,45% , dan recall senilai 47,06%.

Kata kunci: Islamophobia, Twitter, Decision Tree C4.5, Analisis Sentimen, Python.

 


Full Text:

PDF

References


. I. Zulian, “Analisis Pengaruh Islamophobia Terhadap Kebijakan Luar Negeri Amerika Serikat Di Pemerintahan Donald Trump,” J. PIR Power Int. Relations, vol. 3, no. 2, p. 140, 2020, doi: 10.22303/pir.3.2.2019.140-155.

. I. Afdhal, R. Kurniawan, I. Iskandar, R. Salambue, E. Budianita, and F. Syafria, “Penerapan Algoritma Random Forest Untuk Analisis Sentimen Komentar Di YouTube Tentang Islamofobia,” J. Nas. Komputasi dan Teknol. Inf., vol. 5, no. 1, pp. 49–54, 2022.

. Z. E. Sholikha, E. Y. Puspaningrum, and W. S. JS, “Analisa Sentimen Pengguna E-Money Pada,” vol. 1, no. 3, 2020.

. F. A. Andrin, “Analisis Sentimen Pada Tweet Dengan Tagar #Yangcuranggaktenang Menggunakan Metode Decision Tree C4.5,” p. 60, 2021.

. W. Gata and A. Bayhaqy, “Analysis sentiment about islamophobia when Christchurch attack on social media,” Telkomnika (Telecommunication Comput. Electron. Control., vol. 18, no. 4, pp. 1819– 1827, 2020, doi: 10.12928/TELKOMNIKA.V18I4.14179.

. F. N. Pratama and D. Sudana, “Perspektif Para Akademisi Pada Artikel Daring the Conversation Terhadap Islamophobia: Analisis Wacana Kritis,” Semin. Int. Riksa Bhs., pp. 124–134, 2020.

. M. Fikry et al., “Data Mining for Processing of Research and Community Service by Lecturer Using Decision Tree Method,” pp. 367–371, 2020.

. F. Albasithu and A. Wibowo, “Perbandingan Algoritma Naïve Bayes Dan C4.5 pada Analisis Sentimen Presiden 3 Periode di Twitter,” Semin. Nas. Mhs. Fak. Teknol. Inf. Jakarta-Indonesia, no. September, pp. 95–102, 2022.

. A. N. Assidyk, E. B. Setiawan, and I. Kurniawan, “Analisis Perbandingan Pembobotan TF-IDF dan TF-RF pada Trending Topic di Twitter dengan Menggunakan Klasifikasi K-Nearest Neighbor,” e- Proceeding Eng., vol. 7, no. 2, pp. 7773–7781, 2020.

. O. H. Rahman, G. Abdillah, and A. Komarudin, “Klasifikasi Ujaran Kebencian pada Media Sosial Twitter Menggunakan Support Vector Machine,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 1, pp. 17–23, 2021, doi: 10.29207/resti.v5i1.2700.

. Y. Afrillia, L. Rosnita, and D. Siska, “Analisis Sentimen Pengguna Twitter Terhadap Isu Kesetaraan Gender Dalam Penerapan Permendikbudristek Nomor 30 Tahun 2021 Menggunakan Textblob,” vol. 8, no. 2, pp. 93–98, 2022.

. F. Romadoni, Y. Umaidah, and B. N. Sari, “Text Mining Untuk Analisis Sentimen Pelanggan Terhadap Layanan Uang Elektronik Menggunakan Algoritma Support Vector Machine,” J. Sisfokom (Sistem Inf. dan Komputer), vol. 9, no. 2, pp. 247–253, 2020, doi: 10.32736/sisfokom.v9i2.903.

. H. C. Morama, D. E. Ratnawati, and I. Arwani, “Analisis Sentimen berbasis Aspek terhadap Ulasan Hotel Tentrem Yogyakarta menggunakan Algoritma Random Forest Classifier,” vol. 6, no. 4, pp. 1702–1708, 2022.

. M. Qamal, W. Fuadi, and Muslia, “ANALISIS SENTIMEN TOKO ONLINE MENGGUNAKAN ALGORITMA NAIVE BAYES CLASSIFIER,” vol. 2, 2021.

. O. S. Y. Prakasa and K. M. Lhaksmana, “Klasifikasi Teks Dengan Menggunakan Algoritma K- nearest Neighbor Pada Kasus Kinerja Pemerintah Di Twitter,” eProceedings Eng., vol. 5, no. 3, pp. 8237–8248, 2018.

. N. Nurdin, M. Suhendri, Y. Afrilia, and R. Rizal, “Klasifikasi Karya Ilmiah (Tugas Akhir) Mahasiswa Menggunakan Metode Naive Bayes Classifier (NBC),” Sistemasi, vol. 10, no. 2, p. 268, 2021, doi: 10.32520/stmsi.v10i2.1193




DOI: https://doi.org/10.29103/tts.v5i2.17744

Article Metrics

 Abstract Views : 139 times
 PDF Downloaded : 30 times

Refbacks

  • There are currently no refbacks.


Copyright (c) 2024 Jurnal Teknologi Terapan and Sains 4.0

(p)-ISSN : 2722-8428 - (e)-ISSN : 2988-3989