Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python

(1)

Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python

Raditia Vindua^*, Achmad Udin Zailani

Fakultas Ilmu Komputer, Teknik Informatika, Universitas Pamulang, Tangerang Selatan, Indonesia Email: ^1,*[email protected], ²[email protected]

Email Penulis Korespondensi: [email protected] Submitted 11-03-2023; Accepted 18-04-2023; Published 30-04-2023

Abstrak

Pemilihan Umum (Pemilu) tahun 2024 di Indonesia yang akan mendatang menjadi suatu topik yang menarik bagi para pengguna media sosial khususnya Twitter. Saat ini, Twitter sangat berdampak besar dalam membangun sentimen, dan preferensi politik publik.

Sehingga Tweet masyarakat yang berkaitan dengan pemilu dapat digunakan untuk melihat gambaran opini masyarakat. Terdapat berbagai opini pengguna twitter yang bersentimen positif, netral dan negatif. Namun dalam mengklasifikasi sentimen dari pengguna twitter membutuhkan waktu dan usaha yang cukup banyak dikarenakan banyaknya jumlah tweet yang ditemukan. Banyaknya jumlah tweet yang masuk mengenai pemilu mendorong perlunya metode yang membantu untuk melihat opini masayarakat secara efektif.

Dengan menyediakan library textblob, Python yang merupakan bahasa pemrograman mampu mengklasifikasi data tweet dan dapat digunakan untuk menjawab permasalahan tersebut. Data tweet yang didapatkan, dilakukan preprocessing terlebih dahulu dimana terdapat dua proses pada data awal, yaitu proses cleaning dan stemming. Setelah itu dilakukan analisis sentimen untuk mengetahui bagaimana hasil klasifikasi terkait opini masyarakat dari pemilu tahun 2024 dan mengklasifikasikannya menjadi tiga kelas yaitu positif, netral, dan negatif menggunakan Python. Hasil dari penelitian ini diperoleh bahwa Python melakukan analisis sentimen dengan h asil persentase sentimen kelas positif sebesar 40%, netral 52% dan negatif 8% tentang Pemilu tahun 2024 sehingga dapat ditarik kesimpulan bahwa python bisa mengklasifikasi tweets dari twitter sehingga kita bisa mengidentifikasi opini masyarakat tentang Pemilihan Umum Indonesia tahun 2024 yang akan mendatang dimana opininya netral cenderung ke positif.

Kata Kunci: Analisis Sentimen; Pemilu 2024; Preprocessing; Python; Twitter.

Abstract

The general election of Indonesia in the upcoming 2024 will be an interesting topic for social media users, especially Twitter. Currently, Twitter is very influential in building sentiment, preferences, and public politics. So that people's Tweets can be used to see a picture of public opinion. There are various opinions of Twitter users with positive, neutral and negative sentiments. However, classifying the sentiments of Twitter users requires quite a lot of time and effort due to the large number of tweets found. The large number of incoming tweets regarding the election encourages the need for a method that helps to view public opinion effectively. By providing the textblob library, Python, which is a programming language, is able to classify tweet data and can be used to answer these problems. Th e tweet data is preprocessed first where there are two processes in the initial data, namely the cleaning and stemming processes. After that, a sentiment analysis was carried out to find out how the results of the classification related to public opinion from the 2024 elections and classify them into three classes, namely positive, neutral and negative using Python. The results of this study show that Python performs sentiment analysis with the results of the proportion of positive class sentiments of 40%, 52% neutral and 8% negative about the 2024 elections so that it can be concluded that Python can classify tweets from Twitter so that we can identify public opinion about elections.

The general public of Indonesia in 2024 will have neutral opinions tend to be positive.

Keywords: Sentiment Analysis; Indonesian General Election 2024; Preprocessing; Python; Twitter

1. PENDAHULUAN

Indonesia merupakan negara yang menganut sistem demokrasi. Salah satu pilar pokok dalam setiap sistem demokrasi adalah adanya proses penyaluran pendapat rakyat melalui pemilihan umum yang diadakan secara berkala[1]. Pemilihan umum (Pemilu) merupakan salah satu penerapan demokrasi di Indonesia. Proses demokrasi dapat terwujud melalui Pemilu yang dilakukan untuk memilih wakil rakyat dan pejabat publik lainnya [2]. Pemilihan umum di Indonesia yang menganut demokrasi biasanya diselenggarakan secara periodik. Pada tahun 2024 yang akan mendatang, Indonesia akan mengadakan pemilu serentak dalam memilih Presiden dan Wakil Presiden. Sudah banyak tokoh politik yang dicalonkan menjadi Presiden berdasarkan opini masyarakat. Karena opini masyarakat yang berkaitan dengan pemilu dapat digunakan untuk melihat gambaran opini masyarakat terhadap para calon Presiden.

Sebelum adanya teknologi, masyarakat mengungkapkan opininya melalui media cetak yang dimana tidak semua orang mempunyai kesempatan dan kemampuan dalam menulis dan menerbitkannya. Hanya orang-orang tertentu yang dapat menyuarakan pendapatnya melalui media cetak dengan tujuan agar dapat dilihat oleh banyak orang, kini setiap orang dapat mengkomunikasikan opininya dan opininya dapat dilihat oleh banyak orang karena kemajuan teknologi komunikasi di Indonesia. Demokrasi sendiri sudah berjalan melalui beberapa media online. Dikarenakan perkembangan zaman yang sudah begitu pesat hingga merambah sampai perkembangan teknologi komunikasi saat ini, mengubah kecenderungan masyarakat dalam mengekspresikan opininya pada sebuah media sosial.

Media sosial merupakan media yang digunakan untuk berbaur dan bertukar data dan komunikasi oleh penggunanya meliputi blog, jejaring sosial, wiki, forum dan dunia virtual [3]. Ada banyak manfaat dari sosial media, seperti mengumpulkan teman baru, mengetahui permainan, aspek keuangan, data industri perjalanan dan juga untuk masalah politik. Pemilu tahun 2024 yang merupakan pesta demokrasi terbesar di Indonesia ini lah menjadi suatu topik yang menarik bagi para pengguna media sosial untuk beropini.

(2)

Twitter merupakan salah satu media sosial yang digunakan untuk berbagi opini, serta memiliki fitur-fitur seperti retweet, pengambilan foto dan video, serta membagikannya ke beberapa jaringan sosial lainnya. Twitter sudah melekat pada kehidupan manusia pada saat sekarang[4]. Twitter banyak dimanfaatkan untuk beropini karena akses yang mudah dan jumlah pengikut yang tidak terbatas. Dengan jumlah karakter yang singkat (280 karakter) sehingga para pengguna dapat menyampaikan maksud dan tujuan dengan jelas, singkat dan padat. Twitter dapat mengekspresikan opini yang objektif tentang topik yang berbeda sehingga Twitter menjadi salah satu media sosial yang populer [5].

Dengan banyaknya tweet yang beredar di Twitter yang membahas mengenai Pemilu Indonesia tahun 2024, peneliti termotivasi untuk melihat Analisa sentimen dari tweet yang ada di Twitter. Analisis sentimen adalah bidang studi yang menganalisis pendapat seseorang, sentimen seseorang, evaluasi seseorang, sikap seseorang dan emosi seseorang ke dalam bahasa tertulis. Penelitian ini mengklasifikasikan tweet menjadi tiga kelas, yaitu positif, netral dan negatif, karena penegakan demokrasi dan kebebasan warga negara dalam beropini, tidak hanya memberikan dampak positif, tetapi juga dampak negatif, seperti kegaduhan politik [6]. Tidak semua pengguna Twitter bersikap bijak dalam memilih kata-kata dalam cuitannya dan bahkan tidak sedikit pengguna Twitter mengungkapkan ekspresi dengan menuliskan kata-kata kasar dan bersifat ofensif [7].

Penentukan polaritas suatu opini dapat dilakukan secara manual, tetapi seiring bertambah banyaknya opini tentu membutuhkan waktu dan usaha yang lebih untuk mengklasifikasikan polaritas opini tersebut. Oleh karena itu, dilakukan penerapan metode baru untuk mengklasifikasi polaritas opini dari sumber data yang sangat banyak tersebut. Untuk melakukan hal itu, bisa menggunakan salah satu fungsi dari mesin pembelajaran yaitu dari text mining. Text Mining bertujuan untuk menemukan informasi berharga yang tersembunyi baik dari sumber informasi terstruktur dan tidak terstruktur [8]. Namun opinion mining tidak memperhatikan topik dari teks tersebut tetapi lebih fokus kepada ekspresi yang digambarkan dari teks opini tersebut [9]. Penelitian sebelumnya mengusulkan kerangka kerja bernama model analisis sentimen tingkat konsep, yang memperhitungkan berbagai pemrosesan bahasa alami untuk mengekstraksi informasi opini dari tweet. Model mengklasifikasikan tweet sebagai netral, sarkastik, positif atau negatif dengan mengeksploitasi anaforis kata sifat dan kata ganti. Meskipun model yang diusulkan hanya memperhatikan komponen penting dari teks tweet yaitu kata sifat dan kata ganti, namun klasifikasi tidak akan akurat jika himpunan positif dan negatif kata sifat adalah topik tertentu [10].

Terdapat banyak penelitian sebelumnya terkait analisis sentimen. Pertama, penelitian yang dilakukan tentang klasifikasi sentimen pengguna twitter pada Pemilihan Presiden Indonesia tahun 2019 menggunakan metode Naive Bayes.

Dari 240 data latih terdiri dari 134 sentimen negatif dan 106 sentimen positif. Pada studi ini menunjukkan bahwa klasifikasi data tweets menggunakan algoritma naive bayes classifier memberikan akurasi sebesar 73%. Precision kelas negatif sebesar 78% dan precision kelas positif sebesar 66% [11].

Dengan metode yang sama, telah dilakukan Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter. Pada pengujian 3 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 64,6% dan 58%. Sedangkan pada pengujian 2 kelas paslon 01 dan paslon 02 didapat hasil akurasi berturut-turut sebagai berikut 77,7% dan 88%. Performansi tertinggi terdapat pada calon presiden nomor urut dua dengan nilai f-measure sebesar 0,88 [12].

Sedangkan penelitian tentang analisis sentimen pengguna twitter terhadap calon Presiden Indonesia tahun 2019 dengan metode Support Vector Machine menghasilkan akurasi sebesar 86,82% untuk tweet dengan kata kunci “Jokowi”

dan 86,27% untuk untuk tweet dengan kata kunci “Prabowo” [13].

Penelitian selanjutnya tentang analisis sentimen pengguna twitter pada Debat Calon Presiden menggunakan Metode Fined-Grained menunjukkan bahwa tweet sentimen dari kedua hashtag cenderung positif, lebih banyak daripada sentimen negatif dan netral [14].

Banyaknya jumlah tweet yang masuk mengenai pemilu mendorong perlunya metode yang baru untuk membantu melihat opini masayarakat secara efektif. Python merupakan bahasa pemrograman yang dapat digunakan untuk menjawab permasalahan tersebut. Dengan menyediakan library standar yang bersifat open source dan memiliki jangkauan penerapan yang luas di berbagai bidang, Python mampu mengklasifikasi data tweet menggunakan library textblob.

Sehingga Python menjadi salah satu bahasa pemrograman tingkat tinggi yang mudah untuk digunakan [15].

Penelitian sebelumnya yang menggunakan Python tentang Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap “Figure Pemimpin” menghasilkan sentimen dengan kelas yang positif sebesar 21,6% dengan jumlah 108, netral sebesar 78% dengan jumlah 390 dan negatif sebesar 0.2% dengan jumlah 2 [16]. Namun, kerangka kerja yang menyeluruh, yang membahas analisis sentimen dengan menggunakan Python, masih belum banyak dibahas pada penelitian sebelumnya.

Berdasarkan permasalahan yang ditemukan, maka peneliti melakukan penelitian dengan mengangkat judul tentang “Analisis Sentimen Pemilu Indonesia Tahun 2024 dari Media Sosial Twitter menggunakan Python”. penelitian ini akan membahas sentimen dari pengguna Twitter dilakukan dengan menggunakan bahasa pemrograman Python.

2. METODOLOGI PENELITIAN

Langkah-langkah metodologi penelitian yang digunakan dalam penelitian ini adalah pengumpulan data, preprocessing, analisis data dan evaluasi hasil sentiment

(3)

Gambar 1. Metodologi Penelitian

Terdapat metodologi penelitian yang dapat dilihat pada gambar 1 yang akan dijelaskan sebagai berikut:

2.1 Pengumpulan Data

Pengumpulan data dari media sosial di kumpulkan menjadi satu untuk di evakuasi dan di bentuk agar menjadi sebuah penelitian. Pengambilan data ini atau biasa disebut proses crawling data Twitter ini menggunakan API Key Twitter.

Crawling data di Twitter dapat dilakukan menggunakan dua cara pencarian, by user dan by keyword. Pencarian yang dilakukan menggunakan by keyword yaitu pencarian menggunakan penggalan kata kunci dengan total tweet yang diunduh dalam sekali proses maksimum 100 tweet. Sedangkan pencarian dengan by user yaitu pencarian berdasarkan nama akun user twitter dengan total tweet yang diunduh dalam sekali proses maksimum 200 tweet [17].

Proses pengambilan data Twitter dibantu dengan bahasa pemrograman Phyton. Ada 3 tahapan dalam pengambilan data, yaitu:

2.1.1 Mendaftar untuk mendapatkan API Twitter

API (Application Programming Interface) dari Twitter merupakan gerbang untuk mendapatkan tweet. Oleh karena itu, kita membutuhkan API dari pihak Twitter untuk mendapatkan data dari postingan atau tweet pengguna Twitter. Untuk dapat mengambil data dari twitter, terlebih dahulu mendaftar di Twitter Developer, dilakukan pengisian semua form yang ditampilkan.

Gambar 2. Mendaftar pada Developer Twitter

Gambar 2 menunjukan setelah selesai proses mendaftar akan diberikan consumer key, consumer secret, acces token dan acces token secret yang selanjutnya dapat digunakan untuk mengakses data pada twitter menggunakan Python.

2.1.2 Meng-install library atau dependencies yang dibutuhkan

Ada 2 library penting untuk mengklasifikasi menggunakan Python, yang pertama yaitu Tweepy dan TextBlob. Keduanya dapat langsung di install pada command prompt. Setelah meng-install, TextBlob dan Tweepy dapat digunakan untuk mengakses API Twitter di Python.

2.1.3 Membuat code program

(4)

Access token dan key yang di dapat sebelumnya di input ke setiap bagian pada consumer_key, consumer_secret, access_token, dan access_token_secret. Setelah terkoneksi dengan twitter, program akan meminta data tentang kata kunci yang dicari, kemudian dimasukkan kedalam variabel keywords. Kata kunci yang digunakan dalam pencarian data adalah

“Pemilu 2024”. Setelah itu, tweet dapat diambil dari database Twitter, karena API Twitter sudah di dapatkan melalui access token dan key tersebut.

2.2 Preprocessing

Preprocessing merupakan suatu tahapan yang bertujuan untuk memudahkan dalam proses pengolahan data untuk diolah pada tahapan selanjutnya. Proses preprocessing dilakukan untuk menyeleksi data serta mengubahnya menjadi data yang lebih terstruktur. Proses preprocessing membuat data yang banyak dan tidak terpakai akan tereliminasi terlebih dahulu sebelum dataset diproses [18]. Pada sistem preprocessing terdapat 2 fase yang diselesaikan, yaitu Cleaning dan Stemming.

2.2.1 Cleaning

Pada tahap Cleaning, berguna sebagai pembersih kata-kata yang diharapkan untuk mengurangi noise seperti html, koneksi, hashtag, username, dan konten. Selain pembersih kata-kata, pada proses ini juga menghilangkan tanda-tanda seperti titik (.), koma (,) dan juga tanda aksen lainnya.

2.2.2 Stemming

Tahap Stemming, adalah tahap mencari root (dasar) kata dari tiap kata hasil eliminasi stopword dengan menghapus kata imbuhan di depan maupun imbuhan di belakang kata. Tahap stemming menggunakan bantuan library bernama Sastrawi pada bahasa pemrograman Python.

Setelah melalui preprocessing data yang berupa kata-kata diubah menjadi vektor dan diberikan nilai pembobot untuk setiap kata agar bisa dihitung dan diolah dengan algoritma klasifikasi. Pembobotan kata merupakan tahapan pemberian bobot pada setiap kata yang muncul dalam sebuah dokumen [19].

2.3 Analisis Data

Pada tahapan analisis, hal yang dilakukan adalah menganalisis hasil dari perhitungan dan kode program menggunakan analisis sentimen. Analisis sentimen merupakan bagian dari text mining yang sangat sering dilakukan. Analisis sentimen adalah bidang ilmu yang menganalisis opini orang-orang, sentimen, evaluasi, dan emosi terhadap produk, layanan, individu, organisasi, masalah, topik, peristiwa tertentu[20].

Analisis sentimen dilakukan untuk mengetahui arah polaritas kalimat opini, sehingga dapat ditemukan anggota penyusun dari kelompok kalimat positif, netral maupun negatif. Penelitian ini dilakukan menggunakan library Textblob yang terdapat pada Python. Textblob adalah salah satu library yang disediakan oleh Python untuk pemrosesan dibidang Natural Language Processing yang dapat memberikan tag kata, ekstraksi kata, penerjemahan kata dan sentiment analysis.

Pembelajaran Natural Language Proccesing (NLP) bertujuan untuk membuat mesin yang dapat mengerti dan memahami makna bahasa manusia kemudian memberikan respon yang sesuai [21]. Namun saat ini textblob hanya bisa digunakan dalam bahasa inggris, sehingga karena penelitian ini menggunakan data bahasa Indonesia, maka tweet yang digunakan dilakukan translate ke dalam bahasa inggris terlebih dahulu. Terdapat dua fungsi dalam klasifikasi sentimen yang digunakan untuk mengklasifikasi atau memprediksi tweet, yaitu polarity dan subjectivity.

Subjectivity digunakan untuk melihat value dari tweet itu adalah opini atau faktual. Yang artinya semakin tinggi subjectivity maka tweet tersebut bisa didefinisikan sebagai opini. Sedangkan Polarity digunakan untuk melihat seberapa positif atau negatif sebuah teks. Sehingga semakin tinggi polarity, maka dapat dikatakan feel/emotion dari sebuah tweet semakin positif juga. Setelah semua tweet sudah diklasifikasi, polarity dari semua tweet akan ditampilkan dalam bentuk rata-rata dan label ‘Positif’, ‘Netral’ atau ‘Negatif’ sesuai dengan mean dari polarity semua tweet.

2.4 Evaluasi

Evaluasi terhadap suatu model analisis umumnya dilakukan dengan membandingkan nilai positif, netral dan negatif agar dapat digunakan untuk menarik kesimpulan dari hasil klasifikasinya. Data yang digunakan untuk menghitung nilai adalah data uji yang sudah diketahui sentimennya.

𝑁𝑖𝑙𝑎𝑖 𝑝𝑜𝑠𝑖𝑡𝑖𝑓(%) = Tweet Positif

Total Hasil Sentimen𝑥 100% (1)

𝑁𝑖𝑙𝑎𝑖 𝑛𝑒𝑡𝑟𝑎𝑙(%) = Tweet Netral

𝑁𝑖𝑙𝑎𝑖 𝑛𝑒𝑔𝑎𝑡𝑖𝑓(%) = Nilai Negatif

Selanjutnya hasil data akan divisualisasi menjadi sebuah grafik untuk mempermudah dalam membaca hasil analisis sentimen. Hasil evaluasi ini akan menjadi gambaran opini masyarakat dalam menyambut Pemilihan Umum Indonesia tahun 2024 yang akan mendatang.

3. HASIL DAN PEMBAHASAN

(5)

Pada bagian ini berisikan hasil dan pembahasan mengenai pengumpulan data, preprocessing, Analisis Sentimen dan evaluasi.

3.1 Pengumpulan Data

Selain membutuhkan API Key Twitter untuk dapat melakukan pengambilan data Twitter disini peneliti menggunakan tools pendukung untuk menganalisis sentimen seperti Jupyter Lab sebagai pendistribusi Python. Jupyter Lab biasa juga disebut jupyter ini adalah pengembangan dari Ipython atau Interactive Python. Jupyter Lab ini suatu editor dalam bentuk web aplikasi yang berjalan di localhost computer.

Gambar 3. Tampilan Jupyter Lab

Dengan adanya Jupyter Lab, peneliti dapat melakukan proses pengkodingan menggunakan bahasa pemrograman Python. Berikut hasil crawling data twitter dengan kata kunci “pemilu 2024” dengan maksimal jumlah tweet adalah 100 yang dimana dataframe hanya menunjukan 5 tweet teratas berdasarkan kode program dapat dilihat pada Tabel 1 di bawah ini.

Tabel 1. Hasil Crawling Data

No Tweets

1 RT @MarahIchsan: Biar GANJAR aja yang NYAPRES, anda menggantikan Bu MEGA saja sebagai Ketua PDIP...

2 RT @mojokdotco: Ketua Umum PDI-P Megawati menyindir partai lain yang menggunakan kadernya untuk dijadikan capres pemilu 2024. Meski nggak dâ€¦

3 RT @giginpraginanto: Bahwa Pemilu 2024 pasti jujur dan adil sekarang tinggal mimpi. Itu cuma hajatan para bandit politik yang sedang menikmâ€¦

4 Badan Pengawas Pemilihan Umum (Bawaslu) Hulu Sungai Utara Kalimantan Selatan menggandeng Dinas Komunikasi, Informatika dan Persandian mensosialisasikan Pemilu 2024 melalui siaran televisi lokal yang dikelola Kominfo.

@kemkominfo

@PlateJohnny

https://t.co/tEUU9WxM1o

5 RT @PartaiPerindo: Pengurus baru Partai Perindo Riau bergerak cepat menyusun strategi pemenangan Pemilu 2024.

Konsolidasi digelar di Pekaâ€¦

Tabel 1 merupakan hasil crawling data dari Twitter menggunakan Python. Berdasarkan hasil crawling di atas, data tersebut dilanjutkan ke proses preprocessing.

3.2 Preprocessing

Proses preprocessing ini dikerjakan menggunakan bantuan dari library pada bahasa pemrograman Python. Pada sistem preprocessing terdapat 2 fase yang diselesaikan, yaitu Cleaning dan Stemming.

3.2.1 Cleaning

Proses cleaning dilakukan dengan menggunakan library regex atau bisa juga disebut regular expression. Berikut 5 tweet teratas dari 100 tweet yang sudah di cleaning.

Tabel 2. Hasil Cleaning

No Tweets

1 Biar GANJAR aja yang NYAPRES, anda menggantikan Bu MEGA saja sebagai Ketua PDIP...

(6)

2 Ketua Umum PDI-P Megawati menyindir partai lain yang menggunakan kadernya untuk dijadikan capres pemilu 2024. Meski nggak

3 Bahwa Pemilu 2024 pasti jujur dan adil sekarang tinggal mimpi. Itu cuma hajatan para bandit politik yang sedang

4 Badan Pengawas Pemilihan Umum (Bawaslu) Hulu Sungai Utara Kalimantan Selatan menggandeng Dinas Komunikasi, Informatika dan Persandian mensosialisasikan Pemilu 2024 melalui siaran televisi lokal yang dikelola Kominfo.

5 Pengurus baru Partai Perindo Riau bergerak cepat menyusun strategi pemenangan Pemilu 2024.

Hasil Cleaning dapat dilihat pada Tabel 2 dimana noise seperti html, hashtag, username, tanda-tanda seperti titik (.), koma (,) dan juga tanda aksen lainnya telah di hilangkan

3.2.2 Stemming

Dalam proses stemming dilakukan menggunakan bantuan dari library sastrawi yang terdapat dalam bahasa pemrograman Python. Pada proses ini dilakukan instalasi library sastrawi terlebih dahulu dengan menggunakan perintah “pip install sastrawi” di command prompt. Setelah proses instalasi selesai, dilanjutkan pengimplementasian dari tahapan stemming pada kode program. Berikut 5 tweet teratas dari 100 tweet yang sudah melewati tahap stemming.

Tabel 3. Hasil Stemming

No Tweets

1 biar ganjar aja yang nyapres anda ganti bu mega saja bagai ketua pdip puan capres pdi-p untuk milu 2024 2 ketua umum pdi-p megawati sindir partai lain yang guna kader untuk jadi capres milu 2024 meski nggak d 3 bahwa milu 2024 pasti jujur dan adil sekarang tinggal mimpi itu cuma hajat para bandit politik yang sedang

menikm

4 badan awas pilih umum bawaslu hulu sungai utara kalimantan selatan gandeng dinas komunikasi informatika dan sandi sosialisasi milu 2024 lalu siar televisi lokal yang kelola kominfo

5 urus baru partai perindo riau gerak cepat susun strategi menang milu 2024 konsolidasi gelar di peka

Tabel 3 merupakan hasil tahap stemming dimana merupakan tahap akhir dari proses preprocessing. Setelah semua proses preprocessing dilakukan terhadap semua tweet, maka hasil dari preprocessing dilanjutkan ke dalam proses analisis sentimen oleh Python.

3.3 Analisis Data

Terdapat dua fungsi dalam klasifikasi sentimen yang digunakan untuk mengklasifikasi atau memprediksi tweet, yaitu polarity dan subjectivity seperti kode program pada Gambar 4 di bawah.

Gambar 4. Kode Program Analisis Sentimen

Setelah semua tweet sudah diklasifikasi, polarity dari semua tweet akan ditampilkan dalam bentuk rata-rata dan label ‘Positif’, ‘Netral’ atau ‘Negatif’ sesuai dengan mean dari polarity semua tweet. Penentuan kelas positif, netral dan negatif dapat dilihat pada Tabel 4 yang menampilkan 50 tweet teratas dari 100 tweet yang di dapat.

Tabel 4. Hasil Analisis Sentimen

No Tweets Subjectivity Polarity Analysis

1 biar ganjar aja yang nyapres anda ganti bu mega saja bagai ketua pdip puan capres pdi-p untuk milu 2024

0 0 Netral

(7)

2 ketua umum pdi-p megawati sindir partai lain yang guna kader untuk jadi capres milu 2024 meski nggak d

0.38 -0.12 Negatif 3 bahwa milu 2024 pasti jujur dan adil sekarang tinggal mimpi itu cuma

hajat para bandit politik yang sedang menikm

0.7 0.36 Positif

4 badan awas pilih umum bawaslu hulu sungai utara kalimantan selatan gandeng dinas komunikasi informatika dan sandi sosialisasi milu 2024 lalu siar televisi lokal yang kelola kominfo

0.25 0.03 Positif

5 urus baru partai perindo riau gerak cepat susun strategi menang milu 2024 konsolidasi gelar di peka

0.68 0.23 Positif

6 jelang milu 2024 bawaslu sultra bentuk desa dan lurah anti politik uang di seluruh kabupaten dan kota upaya ini

0.1 0 Netral

7 bahwa milu 2024 pasti jujur dan adil sekarang tinggal mimpi itu cuma hajat para bandit politik yang sedang menikm

0.7 0.36 Positif

8 id temanpemilih anggota kpu parsadaan harahap laku kunjung kerja di kpu kabupaten nias selatan provinsi sumatera utara da

0 0 Netral

9 24 gelar ijtima ulama nusantara pkb konsolidasi gagas ulama kiai hadap milu 2024

0 0 Netral

10 id khusus agar milu serentak 2024 dapat selenggara dengan aman damai demokratis dan integritas ingin tahu lebih la

0.52 0.45 Positif

11 jelang milu 2024 akun2 palsu tebar disinformasi tentang partai atau tokoh tentu tanpa pandang siapa yang jadi korban disinformasi ini mari kurang derita publik dengan lapor akun2 ini cara lihat contoh stopakunpalsu

0.53 -0.25 Negatif 12 id temanpemilih anggota kpu idham holik lanjut rapat sinkroninasi standar

tanda gambar partai politik serta milu t

0.05 0 Netral

13 id turut hadir narasumber praktisi desain grafis saeful imam dan ahmad muhajir serta ikut serta rapat dari semua partai pol

0.2 0 Netral

14 3055665 hadar naf guma beber jumlah bukti curang kpu pusat salah satu lolos partai gelora jika skrg ada

0.33 0 Netral

15 id untuk milu 2024 serta sinkroninasi tanda gambar partai politik serta milu tahun 2024 jumat 13 1 2023 di jakarta idh

0.1 0 Netral

16 id pada milu 2019 untuk bagai bahan kpu buat atur dan tunjuk teknis pada pemolu 2024 nanti turut hadir deputi bid

0.35 0.17 Positif

17 id dan tata kelola milu ahli utama sigit joyowardono serta hadir cara luring dan daring oleh wakil seluruh partai p

0.17 0.08 Positif

18 aja ga sabar nunggu milu 2024 pingin tau hasil suara gelora kira dapat nya 0 00 berapa berapa sura ya

0.3 0.3 Positif

0.7 0.36 Positif

20 ma ruf amin nilai punya pengaruh besar di milu 2024 0.1 0 Netral

21 ahy tidak ingin insiden 894 tugas milu tinggal ulang di tahun 2024 0 0 Netral 22 pdip usul sistem milu tutup di 2024 nanti kayak apa sih sistem ini apa

beda sama sistem belum mata

0.6 0 Netral

23 l ketua dpp pdi juang puan maharani yakin bahwa megawati soekarnoputri bakal tunjuk kader pdi-p baik untuk cal

0.6 0.7 Positif

24 semua demi milu 2024 0 0 Netral

25 pecci pak apakah ini masuk politik identitas dan ri apakah ini curi start di saat jabat gubernur mas

0 0 Netral

26 jokowi sulit jadi panutan masyarakat karena banyak tindak tidak sesuai kata tidak sesuai harap masyarakat

0.52 0 Netral

27 kesbangpol bengkulu gelar didik politik jelang milu 2024 - antara news bengkulu

0.1 0 Netral

28 kpu bantah instruksi kpud lolos partai gelora milu 2024 - 0 0 Netral 29 tokoh papua gunung gabung di pks dr muhammad kasuba makin optimis

menang dari timur kita sudah tetap milu

0.62 0.5 Positif

30 hrt yakni partai golkar partai gerindra pkb partai nasdem partai demokrat pan pks dan ppp yang pada prinsip meneg

0 0 Netral

31 hrt selamat sore indonesia siang tadi saya wakil partai golkar hadir acara silaturahmi dengan jumlah pimpin pa

0.6 0.7 Positif

32 ini mengapa jokowi dukung yusril jadi capres di milu 2024 0 0 Netral 33 pkpinang 7 ada sekitar 2 062 yang masuk ke dalam daftar pilih untuk milu

2024 pada lapas rutan dan lpka di kanwil kemenkumham

0 0 Netral

(8)

34 wakil koalisi masyarakat sipil kawal milu bersih hadar naf gumay beber jumlah bukti ada curang

0.7 0.37 Positif

35 id untuk milu 2024 serta sinkroninasi tanda gambar partai politik serta milu tahun 2024 jumat 13 1 2023 di jakarta idh

0.1 0 Netral

36 id kpu harap pimpin matakin bagai tokoh masyarakat dan tokoh agama yang jadi panutan dapat ajak warga matakin khus

0.25 0 Netral

37 id temanpemilih anggota kpu parsadaan harahap laku kunjung kerja di kpu kabupaten nias selatan provinsi sumatera utara da

0 0 Netral

38 id khusus agar milu serentak 2024 dapat selenggara dengan aman damai demokratis dan integritas ingin tahu lebih la

0.52 0.45 Positif

39 id temanpemilih anggota kpu idham holik lanjut rapat sinkroninasi standar tanda gambar partai politik serta milu t

0.05 0 Netral

40 id turut hadir narasumber praktisi desain grafis saeful imam dan ahmad muhajir serta ikut serta rapat dari semua partai pol

0.2 0 Netral

41 id pada milu 2019 untuk bagai bahan kpu buat atur dan tunjuk teknis pada pemolu 2024 nanti turut hadir deputi bid

0.35 0.17 Positif

42 id dan tata kelola milu ahli utama sigit joyowardono serta hadir cara luring dan daring oleh wakil seluruh partai p

0.17 0.08 Positif

43 kompakdesi kabar soal kami dukung ganjar pranowo di milu 2024 tidak benar kompakdesi

0.65 -0.17 Negatif 44 id temanpemilih anggota kpu parsadaan harahap laku kunjung kerja di kpu

kabupaten nias selatan provinsi sumatera utara da

0 0 Netral

45 24 dalam ijtima ulama pkb marufamin moga pkb jadi menang di milu 2024 minimal pkb tiga besar ag

0.1 0 Netral

46 sahabatbawaslu jangan lupa besok mulai buka daftar calon anggota panwaslu lurah desa milu 2024 catat tanggal mulai 14-19 januari 2023 jangan sampai tinggal ya segera siap berkas dan daftar langsung di kantor panwaslu camat

0.4 0.1 Positif

47 mahfud md buka suara perintah tidak intervensi kpu soal partai serta milu link ba

0 0 Netral

0.7 0.36 Positif

49 hmy gus muhaimin harap pokok pikir ulama kiai dan pimpin pondok pesantren hadap milu 2024

0.33 0.17 Positif

50 dukung kapolda riau irjen pol muhammad iqbal s i k m h kepada bawaslu guna cegah langgar milu 2024

0.5 0.05 Positif

Dari hasil di atas, hasil analisis sentimen dari 100 tweet mengklasifikasi tweet sebanyak 40 tweet positif, 52 tweet netral dan 8 tweet negatif.

3.4 Evaluasi

Hasil data di hitung menggunakan Python yang kemudian data tersebut dilakukan visualisasi untuk mempermudah pembacaan hasil analisis sentimen sehingga menghasilkan Pie Chart seperti Gambar 5 berikut.

Gambar 5. Pie Chart Hasil Sentimen Pemilu tahun 2024

Dengan mencoba memasukkan kata kunci “Pemilu 2024” opini masyarakat tentang pemilu 2024 yaitu 40% Positif, 52% Netral dan 8% Negatif. Dari hasil di atas dapat ditarik kesimpulan bahwa python bisa mengklasifikasi tweet dari twitter sehingga kita bisa mengidentifikasi opini masyarakat tentang pemilu Indonesia tahun 2024 yang akan mendatang dimana opininya netral cenderung ke positif.

(9)

4. KESIMPULAN

Berdasarkan hasil penelitian yang dilakukan, maka dapat ditarik kesimpulan bahwa bahasa pemrograman Python dapat diterapkan untuk menganalisis sentimen opini dari Media Sosial Twitter tentang Pemilu 2024 yang akan mendatang menggunakan library Tweepy untuk crawling data dan library Textblob untuk klasifikasi data yang terdapat pada Python.

Dimana sebelum melakukan analisis sentimen, harus dilakukan proses preprocessing untuk menyeleksi data serta mengubahnya menjadi data yang lebih terstruktur. Python juga berhasil melakukan perhitungan dengan hasil persentase sentimen kelas positif sebesar 40%, netral 52% dan negatif 8% tentang Pemilu 2024 dan memvisualisasi datanya menjadi berbagai macam grafik agar datanya lebih mudah di pahami. Oleh karena itu, dapat ditarik kesimpulan bahwa python bisa mengklasifikasi tweet dari twitter sehingga kita bisa mengidentifikasi opini masyarakat tentang pemilu Indonesia tahun 2024 yang akan mendatang dimana opininya netral cenderung ke positif. Karena saat ini Python hanya bisa crawling data maksimal 100 tweet, penulis menyarankan untuk melakukan analisis dan menggunakan data yang terbaru setiap harinya untuk mengetahui tingkat keakuratan yang lebih baik tiap harinya. Kode Program untuk analisis sentimen di Python hanya bisa melakukan 2 tahap preprocessing, sehingga penulis juga menyarankan untuk membandingkan metode klasifikasi lainnya seperti Naïve Bayes di Python dengan melewati 4 tahap preprocessing, yaitu case folding, tokenizing, filtering, dan stemming.

REFERENCES

[1] J. Asshiddiqie, Pokok-Pokok Hukum Tata Negara Indonesia Pasca Reformasi, xviii. Jakarta: PT Bhuana Ilmu Populer, 2007.

[Online]. Available: https://simpus.mkri.id/opac/detail-opac?id=6455

[2] U. Anggota, D. Perwakilan, and D. P. Daerah, “Pemilihan Umum Serentak yang Berintegritas sebagai Pembaruan Demokrasi Indonesia General Elections with Integrity as an Update of Indonesian Democracy,” vol. 17, 2020.

[3] A. S. Cahyono, “Anang Sugeng Cahyono, Pengaruh Media Sosial Terhadap Perubahan Sosial Masyarakat di Indonesia,” pp.

140–157.

[4] N. Aggrawal, “Detection of Offensive Tweets: A Comparative Study,” Comput. Rev. J., vol. Vol 1 No 1, pp. 75–89, 2018.

[5] L. F. S. Coletta, M. Ponti, E. R. Hruschka, A. Acharya, and J. Ghosh, “Combining clustering and active learning for the detection and learning of new image classes,” Neurocomputing, vol. 358, no. September, pp. 150–165, 2019, doi:

10.1016/j.neucom.2019.04.070.

[6] S. Demokrasi and S. Hukum, “Kata Kunci : Sistem Demokrasi, Sudut Hukum, Ketatanegaraan.,” vol. VIII, pp. 134–147, 2015.

[7] A. F. Hidayatullah, A. Aulia, F. Yusuf, K. P. Juwairi, R. Abida, and N. Nayoan, “Identifikasi konten kasar pada tweet bahasa Indonesia,” J. Linguist. Komputasional, vol. 2, no. 1, pp. 1–5, 2019, [Online]. Available:

http://inacl.id/journal/index.php/jlk/article/view/15

[8] A. Firdaus, W. I. Firdaus, P. Studi, T. Informatika, M. Digital, and P. N. Sriwijaya, “Text Mining,” vol. 13, no. 1, pp. 66–78, 2021.

[9] E. Indrayuni and M. Wahyudi, “Penerapan Charachter N-Gram Untuk Sentiment Review Hotel Menggunakan Algoritma Naive Bayes,” Konfrensi Nas. Ilmu Pengetah. dan Teknol., pp. 88–93, 2015.

[10] E. Cambria, S. Poria, F. Bisio, R. Bajpai, and I. Chaturvedi, “The CLSA Model: A Novel Framework for Concept-Level Sentiment Analysis,” Springer Int. Publ. Switz., pp. 3–22, 2015, [Online]. Available:

https://www.researchgate.net/publication/273635373_The_CLSA_Model_A_Novel_Framework_for_Concept- Level_Sentiment_Analysis

[11] L. D. Mahbubah and E. Zuliarso, “Analisa Sentimen Twitter Pada Pilpres 2019 Menggunakan Algoritma Naive Bayes,” Sintak, pp. 194–195, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/7585

[12] S. N. J. Fitriyyah, N. Safriadi, and E. E. Pratama, “Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes,” J. Edukasi dan Penelit. Inform., vol. 5, no. 3, p. 279, 2019, doi: 10.26418/jp.v5i3.34368.

[13] D. T. Lukmana, S. Subanti, and Y. Susanti, “Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter,” Semin. Nas. Penelit. Pendidik. Mat. 2019 UMT, no. 2002, pp. 154–160, 2019.

[14] S. F. Pratama, R. Andrean, and A. Nugroho, “Analisis Sentimen Twitter Debat Calon Presiden Indonesia Menggunakan Metode Fined-Grained Sentiment Analysis,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 4, no. 2, p. 39, 2019, doi:

10.31328/jointecs.v4i2.1004.

[15] W. Wibowo, B. S. S. Ulama, and H. Al Azies, “Modul-Prokom-DSB-versi-18-agustus-BW-compressed_2.pdf.” p. 135, 2020.

[16] P. Pasek, O. Mahawardana, G. Arya, I. P. Agus, and E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘ Figure Pemimpin ’ Menggunakan Python,” JITTER-Jurnal Ilm. Teknol. dan Komput., vol. 3, no. 1, 2022.

[17] J. E. Sembodo, E. B. Setiawan, and A. Baizal, “Data Crawling Otomatis pada Twitter,” no. September, pp. 10–16, 2016, doi:

10.21108/INDOSC.2016.111.

[18] A. T. J. H, “Preprocessing Text untuk Meminimalisir Kata yang Tidak Berarti dalam Proses Text Mining,” pp. 1–9.

[19] H. Nurrun Muchammad Shiddieqy, S. Paulus Insap, and W. Wing Wahyu, “Studi Literatur Tentang Perbandingan Metode Untuk Proses Analisis Sentimen Di Twitter,” Semin. Nas. Teknol. Inf. dan Komun., vol. 2016, no. March, pp. 57–64, 2016.

[20] S. Bhatia, M. Sharma, and K. K. Bhatia, “Sentiment Analysis and Mining of Opinions,” Stud. Big Data, vol. 30, no. May, pp.

503–523, 2018, doi: 10.1007/978-3-319-60435-0_20.

[21] N. Chadha, R. C. Gangwar, and R. Bedi, “Current Challenges and Application of Speech Recognition Process using Natural Language Processing: A Survey,” Int. J. Comput. Appl., vol. 131, no. 11, pp. 28–31, 2015, doi: 10.5120/ijca2015907471.