ANALISIS SENTIMEN TANGGAPAN PENGGUNA TWITTER SETELAH BERGANTI MENJADI X MENGGUNAKAN METODE KLASIFIKASI SUPPORT VECTOR MACHINE (SVM)

Melati Trie Mulyani; ade davy wiranata;

ABSTRAK

Analisis Sentimen Tanggapan Pengguna Twitter Setelah Berganti Menjadi X Menggunakan Metode Klasifikasi Support Vector Machine (SVM)

Melati Trie Mulyani

Twitter sudah bukan aplikasi yang tabu untuk orang-orang, sudah begitu banyak yang menggunakan
aplikasi tersebut. Dimulai dari remaja hingga dewasa menjadi pengguna aplikasi yang terkenal
dengan logo burung kecil dengan kotak biru tersebut. Namun telah terjadi perubahan nama hingga
logo yang menyebabkan rasa asing ketika menggunakan aplikasi tersebut ketika di awal-awal. Untuk
mengetahui tanggapan dari para pengguna aplikasi twitter sebelum berganti, melalui metode
klasifikasi Support Vector Machine (SVM) ini, akan ditemukan tanggapan positif maupun negatif
atas perubahan yang telah ada. Dari metode analisis yang di pakai tersebut di harapkan bisa
mendapakan hasil sentiment yang baik sehingga Perusahaan atau pimpinan platform sosmed bisa
melakukan pengembangan pada Produk atau Aplikasi tersebut. Setelah dilakukan labeling pada
2000 data yang diambil, didapat sentiment label yang menyebutkan bahwa ulasan mengandung 1534
negatif, 279 positif juga 187 netral. Menunjukkan 76.7% ulasan negatif, 9.4% netral, dan 14.0%
positif. Dan dengan menggunakan algoritma SVM, didapat akurasi sebesar 64.25% dan weighted
f1-score 0.50.

Kata Kunci: analisis sentimen, SVM, twitter, x

Sentiment Analysis Of Twitter User Responses After Changing To X Using The Support Vector Machine (Svm) Classification Method

Melati Trie Mulyani

Twitter is no longer a taboo application, and many people use it today. From teenagers to adults,
they have become users of the application, which is famous for its little bird logo in a blue box.
However, there has been a change in the name and logo, causing a strange feeling when using the
application initially. To understand the responses from Twitter users before the change, the Support
Vector Machine (SVM) classification method will be used to identify positive and negative responses
regarding the changes. It is hoped that the analysis will yield insightful sentiment results, enabling
the company or social media platform leader to further develop the product or application. After
labeling 2000 data points, the sentiment labels show that the reviews contain 1534 negative, 279
positive and 187 neutral. Showing 76.7% negative reviews, 9.4% neutral, and 14.0% positive. And
by using the SVM algorithm, an accuracy of 64.25% and a weighted f1-score of 0.50 were obtained.

Keywords: sentiment anaylisis, SVM, twitter, x.