PENGUKURAN TINGKAT KEPOPULARITASAN PARTAI POLITIK DI INDONESIA BERDASARKAN DATA DARI TWITTER

(1)

i

PENGUKURAN TINGKAT KEPOPULARITASAN PARTAI POLITIK DI INDONESIA BERDASARKAN DATA DARI

TWITTER

TUGAS AKHIR

Sebagai Persyaratan Guna Meraih Gelar Sarjana Strata 1 Teknik Informatika Universitas Muhammadiyah Malang

Oleh :

NURUL SOLECHAH 201010370311085

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK

UNIVERSITAS MUHAMMADIYAH MALANG

2015

(2)

ii

(3)

iii

(4)

iv

(5)

v

KATA PENGANTAR

Alhamdullilah segala puja dan puji syukur senantiasa penulis panjatkan kehadirat Allah SWT yang telah memberikan rahmat, taufiq serta hidayahnya, sehingga penulis dapat menyelesaikan pembuatan Laporan Tugas Akhir (TA) dengan judul ” Pengukuran Tingkat Kepopularitasan Pertai Di Indonesia Berdasarkan Data Dari Twitter” yang diajukan sebagai salah satu syarat untuk meraih gelar Sarjana Strata 1.

Dalam penyusunan Tugas Akhir ini penulis berusaha untuk menerapkan ilmu yang telah didapat selama menjalani perkuliahan dengan tidak terlepas dari petunjuk, bimbingan, bantuan dan dukungan dari berbagai pihak.

Penulis menyampaikan rasa terima kasih yang tidak mungkin terlupakan kepada pihak-pihak yang telah memberikan bantuan moral maupun material secara langsung maupun tidak langsung kepada :

1. Allah SWT, atas terselesaikannya Laporan Tugas Akhir (TA).

2. Kedua orang tuaku, Abdul Chobir dan Siti Fatimah, terima kasih atas kasih sayang, do’a, kesabaran dan pengorbanan tak terhingga yang telah tercurahkan selama ini.

3. Kakakku Abdullah Badri dan Adekku Zulfikar Tri Nugroho terima kasih atas doanya dan dukungannya.

4. Bapak Yufis Azhar S.Kom, M.kom selaku Dosen Pembimbing 1.

5. Bapak Yuda Munarko, S.Kom, M.Sc selaku Dosen Pembimbing 2.

6. Dosen Pengajar yang telah banyak memberikan ilmunya untuk Kami.

7. Ibu Gita Indah M , S.T, M.Kom dan Bapak Zamah Sari , S.T, M.T selaku penguji yang telah dengan sabar memberikan saran demi perbaikan tugas

akhir ini.

8. Terima kasih Muhammad Tajalli atas doa, dukungan dan semangatnya selama ini.

9. Terima kasih buat Lu’lu’ul Mukarromah, Linda Nur Wulansari, Marcellina Ratna, kalian teman yang luar biasa.

(6)

vi

10. Teman-teman seangkatan dan seperjuangan, terima kasih atas persahabatan, kebersamaan dan semangat kekeluargaan yang telah terjalin selama ini.

11. Semua pihak yang tidak dapat disebutkan satu persatu oleh penulis terima kasih atas bantuannya.

Terima kasih atas semuanya, penulis menyadari bahwa pembuatan Tugas Akhir ini masih banyak kekurangan karena keterbatasan dan kemampuan penulis.

Akhirnya penulis berharap semoga memberikan manfaat bagi penulis khususnya, pembaca pada umumnya.

Malang, 3 Februari 2014

Nurul Solechah

(7)

vii DAFTAR ISI

Abstrak ... i

Kata Pengantar ... iii

Daftar Isi ... v

Daftar Gambar ... vii

Daftar Tabel ... ix

BAB I PENDAHULUAN ... 1

1.1 Latar Belakang ... 1

1.2 Rumusan Masalah ... 2

1.3 Tujuan Penelitian ... 2

1.4 Batasan Masalah ... 3

1.5 Metodologi ... 3

1.5.1 Studi Pustaka ... 3

1.5.2 Perancangan Sistem ... 3

1.5.3 Implementasi Sistem ... 4

1.5.4 Pengujian Sistem ... 4

1.5.5 Penulisan Laporan ... 5

1.6 Sistematika Penulisan ... 5

BAB II LANDASAN TEORI ... 7

(8)

viii

2.1 Partai Politik di Indonesia ... 7

2.2 Twitter ... 7

2.3 Text Mining ... 8

2.3.1 Case Folding ... 9

2.3.2 Tokenizing... 9

2.3.3 Filtering ... 10

2.3.4 Normalisasi ... 11

2.4 Sentiment Analysis ... 11

2.5 Lexicon Based ... 12

2.6 Precision Dan Recall ... 13

BAB III ANALISA DAN PERANCANGAN SYSTEM ... 15

3.1 Analisa Sistem ... 16

3.1.1 Kebutuhan Fungsional ... 16

3.1.2 Kebutuhan Non Fungsional ... 19

3.2 Perancangan Sistem ... 19

3.2.1 Alur Sistem ... 19

3.2.2 Flowchart Kepopularitasan Partai ... 21

3.2.3 Alur Preprocessing ... 22

3.2.4 Contoh Alur Polaritas Tweet ... 26

3.3 Perancangan Database ... 29

(9)

ix

3.4 Perancangan Antar Muka / Interface ... 32

3.4.1 Penentuan Isi/Content Web ... 32

3.4.2 Desain dan Prototype ... 33

BAB IV IMPLEMENTASI DAN PENGUJIAN ... 34

4.1 Implementasi Kebutuhan Hardware dan Software ... 34

4.2 Implementasi Sistem ... 35

4.2.1 Implementasi Pembuatan Data Training ... 35

4.2.2 Implementasi Tahap Preprocessing ... 36

4.2.3 Implementasi Penentuan Polaritas tweet ... 40

4.2.4 Implementasi Pembuatan Grafik ... 42

4.2.5 Tampilan / User Interface ... 44

4.3 Pengujian Sistem ... 46

BAB V PENUTUP ... 76

5.1 Kesimpulan ... 76

5.2 Saran ... 77

DAFTAR PUSTAKA ... 78

(10)

x

DAFTAR GAMBAR

Gambar 2.1 Tahapan Preprocessing ... 8

Gambar 2.2 Tahapan Case Folding ... 9

Gambar 2.3 Tahapan Tokenizing ... 10

Gambar 3.1 Flowchart SDLC ... 15

Gambar 3.2 Consumer Key ... 17

Gambar 3.3 Flowchart Rancangan Sistem ... 20

Gambar 3.4 Flowchart Kepopularitasan Partai ... 21

Gambar 3.5 Alur Preprocessing ... 22

Gambar 3.6 Flowchart Case Folding ... 23

Gambar 3.7 Flowchart Tokenizing ... 24

Gambar 3.8 Flowchart Filtering ... 25

Gambar 3.9 Flowchart Normalisasi ... 26

Gambar 3.10 Tahapan Case Folding ... 27

Gambar 3.11 Tahapan Tokenizing ... 27

Gambar 3.12 Tahapan Filtering ... 28

Gambar 3.13 Tahapan Normalisasi ... 28

Gambar 3.14 Penentuan Polaritas ... 29

Gambar 3.15 Form Halaman Utama ... 33

Gambar 3.16 Form Submenu Pilihan Partai ... 33

Gambar 4.1 Implementasi Casefolding ... 37

(11)

xi

Gambar 4.2 Implementasi Penghapusan URL ... 37

Gambar 4.3 Implementasi Hapus retweet, username, dan (#) ... 36

Gambar 4.4 Implementasi Hapus Non-Alphanumeric ... 38

Gambar 4.5 Implementasi Tahap Tokenizing ... 38

Gambar 4.6 Implementasi Tahap Filtering ... 39

Gambar 4.7 Implementasi Normalisasi ... 39

Gambar 4.8 Implementasi Pembacaan Kamus ... 40

Gambar 4.9 Implementasi Penyimpanan Jumlah Kata ... 41

Gambar 4.10 Implementasi Penyimpanan Jumlah Kata lanjutan ... 41

Gambar 4.11 Implementasi Penentuan Polaritas ... 42

Gambar 4.12 Interface Halaman Utama Sistem ... 44

Gambar 4.13 Interface Menu Daftar Peserta Pemilu ... 45

Gambar 4.14 Tampilan Grafik ... 45

(12)

xii

DAFTAR TABEL

Tabel 2.1 Aturan Normalisasi kata ... 11

Tabel 2.2 Bobot Kata Opini ... 13

Tabel 3.1 Contoh Opini dari Twitter ... 18

Tabel 3.2 Daftar Tabel ... 30

Tabel 3.3 Tabel Parpol ... 30

Tabel 3.4 Tabel Opini ... 31

Tabel 3.5 Tabel Hasil ... 31

Tabel 3.6 Tabel Kamus Kata Positif ... 32

Tabel 3.7 Tabel Kamus Kata Negatif ... 32

Tabel 4.1 Tabel kebutuhan Perangkat Keras ... 34

Tabel 4.2 Tabel Kebutuhan Perangkat Lunak ... 34

Tabel 4.3 Tabel Sampel Kata Positif ... 35

Tabel 4.4 Tabel Sampel Kata Negatif ... 36

Tabel 4.5 Tabel Sampel Kata Negasi Positif ... 36

Tabel 4.6 Tabel Sampel Kata Negasi Negatif ... 36

Tabel 4.7 Tabel Pengujian Pertama Kategori Negatif ... 46

Tabel 4.8 Tabel Pengujian Pertama Kategori Positif... 50

Tabel 4.9 Tabel Pengujian Kedua Kategori Negatif ... 53

Tabel 4.10 Tabel Pengujian Kedua Kategori Positif ... 56

Tabel 4.11 Tabel Pengujian Ketiga Kategori Negatif ... 61

(13)

xiii

Tabel 4.12 Tabel Pengujian Ketiga Kategori Positif ... 64

Tabel 4.13 Tabel Confusion Matrix Pengujian Pertama ... 73

Tabel 4.14 Tabel Confusion Matrix Pengujian Kedua ... 73

Tabel 4.15 Tabel Confusion Matrix Pengujian Ketiga ... 73

(14)

xiv

DAFTAR PUSTAKA

[1] Skoric Marco , 2012, “Tweets and Votes: A Study of the 2011 Singapore General Election”, Nanyang Technological University

[2] Tamasjan Andranik ,Timm O.Sprenger,Philipp G.Sandner,Isabell M.Welpe, 2010 “Predicting Election with Twitter : What 140 Character Reveal about Political Sentiment ”, University of Technique Munchen

[3] Pak, Alexander & Patrick. 2010. “Twitter as a Corpus for Sentiment Analysis

and Opinion Mining “(Online),dalam http://www.lrec-

conf.org/proceedings/lrec2010/summaries/385.html.

[4] Liu, Bing. 2012. “Sentiment Analysis and Opinion Mining” (Online), dalam http://www.cs.uic.edu/~liub/publications/papers_chron.html.

[5] Turney, Peter. 2002. “Thumbs Up Or Thumb down? Semantic Orientation Applied To Unsupervised Classification Of Review”(Online), dalam http://dl.acm.org/citation.cfm?id=1073153.

[6] Adiyasa, Nurfalah. 2013. “Sentiment Analysis Menggunakan Pendekatan Lexicon-Based”.(Online)

http://adiyasan.wordpress.com/2013/02/08/sentiment-analysis-menggunakan- pendekatan-lexicon-based/. Diakses 5 Maret 2014.

[7] Zhang, Lei & Riddhiman, Mohammed, Meichun, Bing. 2011. “Combining Lexicon-based and Learning-based methods for Sentiment Analysis”.

[8] Jeffreybreen. 2011. “Mining Twitter for Airlines Consumer Sentiment” . (Online) dalam http://www.inside-r.org/howto/mining-twitter-airline-consumer- sentiment

[9] “Sentiment Analysis”. (Online) dalam http://iralab.unt.edu/sentiment-analysis.

[10] Adidella. 2012. “Pengantar sentiment Analysis”. (Online) dalam https://adidella.wordpress.com/2012/10/29/pengantar-sentiment-analysis/

[11] Putra, Candra Adi. 2012. “Membuat multiple Grafik Chart Berbasis Web”.

(Online) dalam http://www.candra.web.id/2012/09/23/membuat-multiple-grafik- chart-berbasis-web/

(15)

xv

[12] Itmamudin SS. 2011. “Peranan Teknologi Informasi Dalam Proses Organisasi

informasi Di Perpustakaan”. (Online) dalam

https://kangitmam.wordpress.com/category/uncategorized/

[13] DATAQ . 2013. “Perbedaan : Precision, Recall, & Accuracy”. (Online) dalam https://dataq.wordpress.com/2013/06/16/perbedaan-precision-recall-accuracy/