Artikel
Judul : SENTIMEN ANALISIS TERKAIT ISU AGAMA PADA MEDIA SOSIAL TWITTER DENGAN METODE SUPPORT VECTOR MACHINE
Abstrak : Banyak orang menggunakan sosial media untuk berbagi informasi, menyampaikan pendapat atau opini mengenai isu yang sedang hangat di media sosial. Apalagi ditahun politik seperti sekarang banyak isu dimuculkan dan semakin sensitive ketika isu agama terlibat didalamnya. Dalam rentang waktu singkat pendapat atau opini tersebut akan mudah dilihat banyak orang dan akan memunculkan argument atau opini lainnya. opini yang muncul memiliki bahasa, karakter penulisan dan sentiment yang beragam. Text mining merupakan salah satu solusi untuk mempermudah sebelum proses analisis sentiment dari opini yang muncul. Dengan menyediakan desain aplikasi analisis sentiment terkait isu agama dengan metode support vector machine pada twitter. Sehingga dapat dilihat tanggapan masyarakat terkait isu agama lebih condong kearah positif atau negatif.
Penulis : Kania Dewi
Keyword : Sentimen, Isu Agama, Support Vector Machine, Twitter
Referensi : [1] L. Jemadu and A. Gema Pratomo, “Twitter: Pengguna di Indonesia Memiliki Karakteristik Unik,” Rabu, 03 Mei 2017. [Online]. Available: https://www.suara.com/tekno/2017/05/03/165830/twitter-pengguna-di-indonesia-memiliki-karakteristik-unik. [2] S. Leo Batubara, Indonesia Bergulat Dalam Paradoks, Cetakan Pe. Jakarta: Dewan Pers, 2009. [3] M. M. Rodhi, Tsaqofah dan Metode Hizbut Tahrir dalam Mendirikan Negara Khilafah. Bogor: al-Azhar Fresh Zone Publishing, 2012. [4] R. Feldman and J. Sanger, The Text Mining Handbook. New York: Cambridge, 2007. [5] N. Y. A. Faradhillah, R. P. Kusumawardani, I. Hafidz, J. S. Informasi, and F. T. Informasi, “TWITTER PADA AKUN RESMI PEMERINTAH KOTA,” 2016. [6] S. Patel, “Chapter 2?: SVM (Support Vector Machine) — Theory,” May 3, 2017, 2017. [Online]. Available: https://medium.com/machine-learning-101/chapter-2-svm-support-vector-machine-theory-f0812effc72. [7] R. Albatal and S. Little, “Empirical exploration of extreme SVM-RBF parameter values for visual object classification,” in Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2014, vol. 8326 LNCS, no. PART 2, pp. 299–306.
File :