BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

dokumen-dokumen yang mirip
BAB I PENDAHULUAN 1.1 Latar Belakang

PENGEMBANGAN APLIKASI SENTIMENT ANALYSIS MENGGUNAKAN METODE NAÏVE BAYES (Studi Kasus Sentiment Analysis dari media Twitter)

BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM

BAB I PENDAHULUAN. dengan lingkungan sosialnya pengguna social media seringkali menceritakan

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. beberapa tahun terakhir (Dave Chaffey, 2016). Media jejaring sosial seperti Twitter,

BAB I PENDAHULUAN. Pada bagian awal penelitian ini dipaparkan secara lengkap latar belakang,

BAB I PENDAHULUAN. Di era modern ini, macam-macam makanan sangatlah banyak dan beragam.

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. untuk bisa mengeluarkan pendapat dan ekspresi secara bebas. Itu artinya perusahaan

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB II LANDASAN TEORI. Pada bab ini akan diuraikan tentang teori-teori yang melandasi penulisan Laporan Penelitian ini.

BAB I PENDAHULUAN Latar Belakang

PEMBANGUNAN TWEET AGGREGATOR DENGAN MENGGUNAKAN METODE NAÏVE BAYES

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. informasi sentimen yang terkandung dalam suatu kalimat opini. Analisis sentimen

1. BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

3.1 Desain Penelitian

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB I PENDAHULUAN I - 1

Analisis Sentimen Pada Data Twitter dengan Menggunakan Text Mining terhadap Suatu Produk

BAB I PENDAHULUAN 1.1 Latar Belakang Masalah

IMPLEMENTASI ALGORITMA NAÏVE BAYES UNTUK KLASIFIKASI OPINI PADA DATA TWITTER DENGAN EKSPASI QUERY MENGGUNAKAN PENDEKATAN SINONIM

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW. BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN. menggunakan teknologi yang disebut dengan internet. Hal ini, secara tidak

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang

BAB 3 ANALISIS MASALAH DAN PERANCANGAN

UKDW 1. BAB 1 PENDAHULUAN Latar Belakang Masalah

JURNAL SENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER SENTIMENT ANALYSIS POLITICAL LEADERS IN TWITTER

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN.

BAB I PENDAHULUAN I.1. Latar Belakang Masalah

BAB III METODOLOGI PENELITIAN

PEMBANGUNAN APLIKASI ANALISIS SENTIMEN BERITA MENGGUNAKAN METODE NAIVE BAYES

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang

ANALISIS SENTIMEN TERHADAP OPINI PUBLIK MELALUI JEJARING SOSIAL TWITTER MENGGUNAKAN METODE NAIVE BAYES Alfarizy M. G. ( )

BAB II TINJAUAN PUSTAKA

UKDW BAB I PENDAHULUAN

BAB II TINJAUAN PUSTAKA

BAB 3 ANALISIS KEBUTUHAN IMPLEMENTASI ALGORITMA

SENTIMENT ANALYSIS DENGAN NAIVE BAYES UNTUK MELIHAT PERSEPSI MASYARAKAT TERHADAP BATIK PADA JEJARING SOSIAL TWITTER

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN Latar Belakang

BAB I PENDAHULUAN 1.1. Latar Belakang Rendy, 2013

BAB I PENDAHULUAN. komputer ataupun perangkat mobile mereka dari manapun dan kapanpun. Setelah

Agus Soepriadi, 2 Meta Permata. Jurusan Teknik Informatika, STMIK Bandung, Bandung, Indonesia

BAB 1 PENDAHULUAN Latar Belakang

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. Pemasangan iklan merupakan hal yang utama untuk memasarkan sebuah

BAB 3 LANDASAN TEORI

UKDW. 1.1 Latar Belakang BAB 1 PENDAHULUAN

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN. diwilayah jawa timur. Dengan jumlah penduduk pada tahun 2010 sebanyak

BAB 2 TINJAUAN PUSTAKA

ABSTRAK. Kata Kunci: analisis sentimen, pre-processing, mutual information, dan Naïve Bayes. UNIVERSITAS KRISTEN MARANATHA

BAB 1 PENDAHULUAN Latar Belakang

IMPLEMENTASI TWITTER SENTIMENT ANALYSIS UNTUK REVIEW FILM MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE

BAB I PENDAHULUAN. ilmu tertentu dengan menggunakan kaidah-kaidah yang berlaku dalam bidang

SENTIMENT ANALYSIS TOKOH POLITIK PADA TWITTER

BAB I PENDAHULUAN 1.1 Latar Belakang

BAB I PENDAHULUAN I-1

BAB II LANDASAN TEORI

BAB I PENDAHULUAN. 1.1 Latar belakang

BAB I PENDAHULUAN. terjadi kesalahan dalam proses tersebut, karena tidak didasari oleh suatu acuan tertulis

PENENTUAN POLA ALUMNI DARI DATA TWITTER DENGAN MENGGUNAKAN NAÏVE BAYES (Studi Kasus : Penanganan Alumni di Program Studi Teknik Informatika)

Sentiment Analysis menggunakan Naïve Bayes

JURUSAN TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS MUHAMMADIYAH MALANG

BAB 1 PENDAHULUAN. Universitas Indonesia. Klasifikasi topik menggunakan..., Dyta Anggraeni

Bab 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

ANALISIS SENTIMEN JASA EKSPEDISI BARANG MENGGUNAKAN METODE NAÏVE BAYES

BAB 1 PENDAHULUAN 1.1. Latar belakang

Gambar 1. 1 Logo BukaLapak

BAB II TINJAUAN PUSTAKA

LAPORAN TUGAS AKHIR. Disusun oleh: Franky

KATA PENGANTAR. menyelesaikan penyusunan laporan tugas akhir APLIKASI KLASIFIKASI ARTIKEL TEKNOLOGI INFORMASI PADA MAJALAH CHIP

BAB I PENDAHULUAN 1.1 Latar Belakang

UKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. 1.1 Latar Belakang. Mikroblog adalah salah satu bentuk blog yang memungkinkan

BAB I PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. sistem perangkat lunak komputer yang menggunakan ilmu, fakta, dan teknik

BAB I PENDAHULUAN. Dari hari ke hari pengguna internet semakin bertambah. sebenarnya apa

BAB 1. Pendahuluan. ada waktu dan tempat. Dari penjelasan di atas, dapat disimpulkan bahwa

BAB 1 PENDAHULUAN Latar Belakang

Transkripsi:

BAB I PENDAHULUAN Pada bagian ini akan dijelaskan tentang pendahuluan dalam penyusunan Laporan Penelitian. Pendahuluan meliputi latar belakang masalah, rumusan masalah, tujuan penelitian, batasan masalah, dan sistematika penulisan. 1.1 Latar Belakang Masalah Social media pada era globalisasi saat ini sudah sangat umum dan banyak digunakan untuk kepentingan masyrakat. Dalam implementasinya, media sosial lebih banyak digunakan untuk kegiatan jual beli, menyampaikan informasi, bahkan sebagai media untuk mengekspresikan diri. Pertumbuhan media sosial sangat cepat tidak hanya penggunaanya yang terus menerus meningkat, namun semakin banyaknya media sosial yang ditawarkan melalui aplikasi mobile ataupun website. Sehingga hal tersebut dimanfaatkan oleh Pemerintah kota Bandung untuk menyampaikan pesan dan informasi kepada masyarakat. Salah satu dari media sosial yang digunakan adalah Twitter. Twitter merupakan suatu kumpulan kata yang berisikan maksimal 140 karakter. Didalam text twitter, masyarakat umum biasa menyebutkan dengan kata tweet atau kicauan. Kata yang terkandung dalam twitter adalah bahasa alami manusia yang merupakan bahasa dengan struktur kompleks. Menurut Kamus Besar Bahasa Indonesia opini merupakan pendapat, pikiran, atau pendirian [1]. Semakin bertambah banyak kalimat kritik dan saran pada media sosial timbul suatu opini masyarakat terhadap kinerja Pemerintahan dan Dinas di Kota Bandung. Maka dari itu perlu sebuah pengklasifikasian yang dapat membedakan opini positif dan opini negatif. Analisis sentimen atau opinion mining adalah salah satu bagian dari text mining yang dapat mengatasi permasalahan diatas. Opini biasanya bernilai positif atau negatif tetapi dapat dikategorisasikan kedalam kategori baik, sangat baik, buruk, dan sangat buruk. [2] Penelitian di bidang sentiment analysis atau opinion mining berbahasa Indonesia telah dilakukan oleh (Yudi Wibisono,2013). Berdasarkan penelitian terkait dapat disimpulkan bahwa Analisis sentimen dilakukan untuk melihat I-1

I-2 pendapat atau kecenderungan opini terhadap nilai akurasi. Akurasi dihitung dengan menghitung persentase jumlah data latih dan data uji. Penggunaan tweet berbahasa Indonesia terdapat salah satu masalah yaitu variasi sistem penulisan yang sangat tinggi, diantaranya banyak terdapat kalimat dengan kosa kata dan tata bahasa yang tidak baku. Sebagai contoh beberapa macam variasi penulisan kata tidak seperti ndak, nggak, gak, tdk dan seterusnya masing masing memliki arti yang sama. [3] Terbatasnya karakter dalam penulisan twitter membatasi pengguna agar dapat menulis secara singkat. Sentiment pada twitter terhadap suatu topik tertentu dapat ditemukan salah satunya melalui tweet yang mengandung hastag dan pencarian menggunakan acount (search). Hastag merupakan simbol pagar(#) yang digunakan untuk memberikan label dalam salah topik pembahasan seperti #bandung, #dinasbandung atau #kotabandung. [2] Sedangkan pencarian menggunakan acount merupakan username dengan simbol (@) yang ditulis di depan kata seperti @PemkotBandung, @Bandung_dinkes dan, @ridwankamil. Dalam penelitian tersebut penulis menggunakan metode naive bayes classifier dimana teorema tersebut merupakan algoritma klasifikasi yang sederhana namun memiliki akurasi tinggi. Untuk itu perlu pembuktian dalam klasifikasi tweet untuk menghasilkan hasil yang optimal dibandingkan dengan metode lain. Penelitian ini bertujuan untuk melakukan pengklasifikasian terhadap sentiment postif dan negatif mengenai opini masyarakat terhadap kinerja dinas di kota Bandung. Oleh karena itu, penulis tertarik untuk mengankat tema tentang pengkategorian text twitter dengan judul. Opinion Mining Dinas Kota Bandung dengan Memanfaatkan Media Twitter Menggunakan Metode Naïve Bayes"

I-3 1.2 Rumusan Masalah Berdasarkan uraian latar belakang masalah yang dijelaskan, terdapat beberapa perumusan masalah sebagai berikut : 1. Bagaimana menganalisis tingkat akurasi hasil pengkategorian kalimat tweet menggunakan algoritma naïve bayes? 2. Bagaimana memberikan informasi pengkategorian tweet kepada masyarakat tentang dinas yang ada dikota Bandung? 1.3 Tujuan Penelitian Adapun tujuan dari penelitian berdasarkan latar belakang yang telah dikemukakan adalah sebagai berikut : 1. Mengimplementasikan algoritma naïve bayes classification terhadap opini masyarakat mengenai dinas yang ada di kota Bandung melalui media twitter. 2. Menguji akurasi metode yang digunakan yaitu Naive Bayes dalam Sentiment analysis. 1.4 Batasan Masalah berikut : Dalam penelitian Opinion Mining ini dibatasi dengan hal-hal sebagai 1. Sumber data tweet menggunakan KNIME Analytics Platform 2.11.0 dengan data yang diambil secara real time sebanyak maximum 1000 tweet dari masing masing acount dinas yang telah dibatasi. 2. Teks yang digunakan merupakan pencarian account tweet dari beberapa dinas di kota Bandung diantaranya 12 tweet akun dinas, 3 tweet akun kecamatan, 2 tweet akun kelurahan, 2 akun tweet walikota. 3. Sentiment analysis yang dilakukan adalah Fined-grained sentiment analysis 4. Kalimat yang terdapat pada tweet hanya menggunakan bahasa Indonesia yang baik dan benar. 5. Format untuk mengerjakan klasifikasi adalah csv. 6. Algoritma yang digunakan Naive Bayes Classifier.

I-4 1.5 Sistematika Penulisan Adapun sistematika penulisan laporan tugas akhir ini terdiri dari enam bab, dengan susunan sebagai berikut : BAB I BAB II BAB III BAB IV BAB V BAB VI Pendahuluan, Membahas mengenai Latar Belakang Masalah Tugas Akhir, Rumusan Masalah Tugas Akhir, Tujuan Tugas Akhir, Batasan Permasalahan Tugas Akhir dan Sistematika Penulisan Tugas Akhir. Landasan Teori, merupakan bagian kedua dari pengerjaan laporan ini. Pada bagian ini akan di bahas landasan teori yang berkaitan dan digunakan dalam tugas akhir ini. Analisis Sistem, dalam bab ini menjelaskan tentang penganalisaan sistem aplikasi yang akan dibangun dan kebutuhan perangkat yang akan digunakan hingga permodelan sistem yang akan dibangun. Analisis dan Perancangan, Pada bagian ini akan di bahas rancangan aplikasi sistem yang akan di bangun, termasuk didalamnya rancangan proses aplikasi pembuatan laporan antarmuka dan basis data. Implementasi dan Pengujian Sistem, Pada bagian ini akan dibahas tentang tahapan implementasi. Pada bagian implementasi akan melakukan pengujian pada metode-metode yang telah dibuat pada perancangan sistem dan melakukan penghitungan akurasi metode. Bab ini juga membahas tentang hasil dari implementasi dan analisis. Penutup, Pada bab ini membahas tentang kesimpulan yang didapat selama pembangunan sistem dan penyusunan laporan tugas akhir serta saran terhadap pembangunan sistem dan penyusunan laporan tugas akhir serta saran terhadap kekurangan yang terdapat pada aplikasi yang telah dibangun.

I-5