UNAMAUNAMA

Jurnal PROCESSORJurnal PROCESSOR

Media sosial kerap menjadi cerminan respons publik terhadap isu sosial dan politik. Twitter, sebagai salah satu platform paling aktif, memfasilitasi percakapan singkat melalui penggunaan hashtag yang mencerminkan sentimen kolektif masyarakat. Penelitian ini bertujuan menganalisis persepsi publik terhadap tagar #KaburAjaDulu di Twitter menggunakan pendekatan lexicon-based dengan kamus InSet (Indonesia Sentiment Lexicon). Sebanyak 581 tweet berbahasa Indonesia yang memuat tagar tersebut dikumpulkan pada periode 1 Januari 2025 hingga 8 Mei 2025, kemudian diproses melalui tahapan pra-pemrosesan teks, yang mencakup case folding, pembersihan karakter khusus, tokenisasi, stopword removal (termasuk penghapusan kata “kaburajadulu), serta lemmatisasi. Setiap tweet dianalisis melalui pencocokan token terhadap entri dalam kamus InSet untuk menghitung skor polaritas, yang kemudian diklasifikasikan ke dalam tiga kategori sentimen: positif, negatif, dan netral. Hasil klasifikasi menunjukkan distribusi sentimen dengan 41,72% negatif, 33,73% netral, dan 24,55% positif. Analisis terhadap kata-kata dominan mengindikasikan bahwa tagar tersebut banyak digunakan untuk mengekspresikan kritik, sarkasme, serta ketidakpuasan publik terhadap isu sosial dan politik nasional. Pendekatan lexicon-based terbukti efisien dalam menganalisis opini publik berbahasa Indonesia karena tidak memerlukan proses pelatihan model (training) dan mampu memberikan gambaran kuantitatif yang jelas terhadap kecenderungan sentimen masyarakat. Namun demikian, metode ini masih memiliki keterbatasan dalam mengenali konteks sarkasme dan negasi pada bahasa informal yang digunakan di Twitter. Secara keseluruhan, penelitian ini memberikan kontribusi empiris berupa pemetaan persepsi publik terhadap fenomena digital #KaburAjaDulu, sekaligus menjadi pijakan bagi pengembangan metode analisis sentimen yang lebih adaptif dan kontekstual pada studi komunikasi digital di masa mendatang.

Berdasarkan analisis terhadap 581 tweet dengan tagar.KaburAjaDulu, diperoleh distribusi sentimen sebesar 41,72% negatif, 33,73% netral, dan 24,55% positif.Pola ini menggambarkan penggunaan tagar tersebut sebagai bentuk ekspresi kritik dan ketidakpuasan publik terhadap dinamika sosial dan politik di Indonesia.Hasil ini menegaskan bahwa metode lexicon-based efektif dalam mengungkapkan persepsi publik terhadap fenomena digital berbahasa Indonesia, meskipun masih memiliki keterbatasan dalam mengenali konteks sarkasme dan negasi.Penelitian selanjutnya perlu mengembangkan metode yang lebih adaptif untuk menangkap nuansa bahasa informal di media sosial.

Berdasarkan penelitian ini, terdapat beberapa saran penelitian lanjutan yang dapat dikembangkan. Pertama, penelitian selanjutnya dapat berfokus pada pengembangan metode analisis sentimen yang lebih mampu mengenali sarkasme dan negasi dalam bahasa informal yang digunakan di Twitter. Hal ini dapat dilakukan dengan menggabungkan pendekatan lexicon-based dengan teknik machine learning yang lebih canggih, seperti deep learning, untuk menangkap konteks kalimat secara lebih akurat. Kedua, penelitian dapat memperluas cakupan analisis dengan melibatkan data dari platform media sosial lain, seperti Instagram dan Facebook, untuk mendapatkan gambaran yang lebih komprehensif tentang persepsi publik terhadap isu sosial dan politik. Ketiga, penelitian dapat mengeksplorasi hubungan antara sentimen publik di media sosial dengan perilaku nyata masyarakat, seperti partisipasi politik dan tindakan sosial, untuk memahami dampak media sosial terhadap dinamika sosial dan politik di Indonesia. Dengan demikian, penelitian ini diharapkan dapat memberikan kontribusi yang signifikan terhadap pengembangan ilmu komunikasi digital dan pemahaman tentang peran media sosial dalam membentuk opini publik.

  1. Analisis Sentimen Terhadap Tagar Kabur Aja Dulu Di Twitter Menggunakan Metode Lexicon-Based | Jurnal... doi.org/10.33998/processor.2025.20.2.2542Analisis Sentimen Terhadap Tagar Kabur Aja Dulu Di Twitter Menggunakan Metode Lexicon Based Jurnal doi 10 33998 processor 2025 20 2 2542
  2. J-ICON: Jurnal Komputer dan Informatika. sentiment analysis time covid method icon jurnal komputer informatika... doi.org/10.35508/jicon.v9i2.4275J ICON Jurnal Komputer dan Informatika sentiment analysis time covid method icon jurnal komputer informatika doi 10 35508 jicon v9i2 4275
  3. Analisis Sentimen Larangan Impor Pakaian Bekas Menggunakan Metode Support Vectore Machine dan Lexicon... doi.org/10.38204/tematik.v11i1.1890Analisis Sentimen Larangan Impor Pakaian Bekas Menggunakan Metode Support Vectore Machine dan Lexicon doi 10 38204 tematik v11i1 1890
Read online
File size569.54 KB
Pages11
DMCAReport

Related /

ads-block-test