Pengaruh Penggunaan Emoji pada Tingkat Akurasi Sentimen di Twitter menggunakan Metode Support Vector Machine

Abstract

Karakter emoji dapat meningkatkan ekspresi pesan teks. Opini dan preferensi yang diungkapkan di media sosial dan layanan microblogging sangat penting untuk analisis sentimen dan pengumpulan opini. Analisis sentimen atau lebih sering disebut opinion mining adalah bidang penelitian text mining yang bertujuan untuk memastikan opini atau subjektivitas masyarakat umum mengenai subjek, peristiwa, atau masalah. Support Vector Machine (SVM) adalah sistem pembelajaran yang menggunakan ruang hipotetis berupa fungsi linier dalam ruang fitur berdimensi tinggi dan menerapkan bias pembelajaran yang diturunkan dari teori pembelajaran statistik. SVM bertujuan untuk menemukan hyperplane “terbaik” yang berperan penting sebagai garis batas dua kelas. Tujuannya adalah untuk mengidentifikasi kombinasi hyperparameter yang baik sehingga classifier dapat memprediksi data yang tidak diketahui secara akurat. Setelah dilakukan penelitian mengenai pengaruh penggunaan emoji pada tingkat akurasi sentimen di twitter dengan metode Support Vector Machine yang dilakukan dengan perbandingan data training dan testing 80:20 untuk tiga topik bahasan, diperoleh hasil akurasi dengan metode Support Vector Machine dari topik pertama yaitu mengenai vaksin booster sebagai persyaratan mudik didapatkan 65% untuk teks saja dan 69% untuk teks yang mengandung emoji. Pada topik bahasan kedua yaitu mengenai demo tolak Jokowi 3 periode diperoleh hasil akurasi 79% untuk teks saja dan 82% untuk teks yang mengandung emoji. Sedangkan untuk topik ketiga mengenai kelangkaan minyak goreng serta naiknya harga bbm hasil akurasi yang diperoleh 74% untuk teks saja dan 76% untuk teks yang mengandung emoji.