Analisis Sentimen Omnibus Law Pada Twitter Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization

Abstract

Media sosial twitter menjadi sarana untuk mencurahkan ekpresi dan apresiasi terhadap sesuatu secara online sebagai tanda dari kemajuan teknologi dan kemudahan pengguanaan internet. Omnibus Law undang-undang cipta kerja yang dibuat oleh pemerintah Indonesia bertujuan untuk meningkatkan investasi asing sehingga banyak menciptakan lapangan pekerjaan baru. Omnibus Law telah menjadi topik panas pada media sosial twitter, beragam tanggapan muncul dari berbagai kalangan masyarakat baik mendukung maupun menolak adanya undang-undang tersebut. Tujuan Penelitian ini agar sentimen positif dan sentimen negatif dapat dipisahkan dan untuk mengukur pendapat terhadap Omnibus Law dengan algoritma klasifikasi. Pada penelitian ini sentimen positif dan sentimen negatif dikumpulkan dalam proses crawling. Algoritma klasifikasi yang digunakan yaitu Support Vector Machine (SVM) dan Naive Bayes (NB), optimasi dengan Particle Swarm Optimization (PSO) juga digunakan untuk meningkatkan akurasi. Hasil pengujian k-fold cross validation dengan SVM dan NB mendapatkan akurasi 84,95% dan 87,53% dengan nilai Area Under the Curve (AUC) 0.958 dan 0.754, sedangkan hasil pengujian menggunakan masing-masing mendapatkan nilai akurasi 86,53% dan 90,12% dengan nilai AUC 0.948 dan 0.816.