Penambangan Opini Pada Data Multidomain Memanfaatkan Stream Big Data Twitter

Abstract

Era keberhasilan SDGs (Sustainable Development Goals) ditandai dengan keterbukaan pemerintah dan pemangku kepentingan lain untuk menyelenggarakan tata pemerintahan yang terbuka dan aspiratif. Melalui penambangan opini, pemerintah, pelaku usaha, dan pemangku kepentingan lain dapat mengetahui keadaan terkini atas capaian outputnya pada publik. Opini publik yang berada pada media sosial merupakan salah satu alat untuk mengukur, mengevaluasi, dan merencanakan keberhasilan suatu produk, program dan kebijakan dari subyek tertentu. Namun, cukup banyak domain opini yang dibagi oleh publik ke dalam media sosial. Sistem penambangan opini yang ada hanya menganalisis opini pada satu domain opini tertentu saja. Penelitian ini membangun sistem yang dapat membantu pengguna untuk mengetahui persepsi publik tentang produk, tokoh, maupun topik-topik terkini pada banyak domain analisis. Penelitian memanfaatkan big data pada media sosial Twitter sebagai sumber data opini yang sangat populer untuk memantau opini publik. Tinjauan penelitian terkait sebelumnya menyimpulkan algoritma Naive Bayes memiliki kelebihan pada komputasinya yang sederhana, optimal pada pengelompokan sedikit kelas, dan efektif dalam klasifikasi fitur yang noise. Peneliti menemukan bahwa algoritma Naive Bayes dalam metode Supervised Learning cukup baik dalam mengklasifikasi data multi domain. Implementasi penelitian menghasilkan sistem analisis sentimen multidomain. Dari hasil uji coba dan evaluasi disimpulkan bahwa sistem mampu mengidentifikasi sentimen opini dan menyediakan kerangka untuk mengakomodir analisis terhadap keberagaman domain opini dari media sosial Twitter.