[Computer Science] Mau Buat Sentiment Analysis pada Netizen ala Debat Gubernur DKI? Nggak Susah Kok

Ilustrasi from Merdeka.Com

Hiruk pikuk Pilkada Jakarta, memunculkan banyak analisis dadakan. Yang paling sering media luncurkan adalah Sentiment Analysis yang dilakukan terhadap kedua pasang calon. Seperti contoh dalam debat Cagub Jakarta beberapa hari kemarin, media seperti berlomba untuk melakukan analisis tanggapan netizen terhadap kedua pasangan calon dalam debat tersebut. PoliticaWave misalnya, mengatakan bahwa pasangan Anies Rasyid Baswedan-Sandiaga Salahuddin Uno unggul tipis atas Basuki Tjahaja Purnama (Ahok)-Djarot Saiful Hidayat dari sisi aspek jumlah percakapan netizen. Dalam catatan analisis mereka, 51 persen netizen membicarakan Anies Sandi dan 49 persen membicarakan pasangan Ahok-Djarot (Sumber: Detikcom, Rabu (12/4/2017). Catatan media lain menyebutkan bahwa Ahok-Djarot lebih unggul dari sisi sentimen yang diberikan netizen yaitu 64 persen untuk sentimen positif dan 36 persen sentimen negatif. Sedangkan pasangan Anies-Sandi mendapat 59 persen untuk sentimen positif dan 41 persen sentimen negatif (Sumber: Metronews). Beberapa info media lain tentang sosial media analisis terkait debat pilkada ini dapat dilihat pada referensi berita di bagian bawah artikel,

Tentang Sentiment Analysis dan Sosial Media

Sentiment Analysis atau yang biasa disebut juga sebagai opinion mining merupakan salah satu cabang penelitian Text Mining. Analisa ini merupakan salah satu jenis riset komputasional dari opini, sentimen dan emosi yang diekspresikan secara tekstual. Sebagai contoh penelitian dilakukan terhadap suatu set dokumen teks yang berisi opini mengenai suatu objek, maka opinion mining bertujuan untuk mengekstrak atribut dan komponen dari objek yang telah dikomentasi pada setiap dokumen dan untuk menentukan apakah komentar tersebut bermakna positif atau negative (Falahah, 2015).

Sosial Media, merupakan target yang empuk untuk melakukan Sentiment Analysis tersebut. Hal ini bisa dipahami mengingat begitu besarnya jumlah masyarakat netizen yang dianggap mampu mewakili pendapat masyarakat yang sesungguhnya. Bagaimana tidak? Di Indonesia sendiri misalnya. Survey APJII menunjukkan bahwa 87,4% pengguna mengakses internet untuk kebutuhan sosial media, 69% untuk pencarian informasi, 60% untuk instant messaging dan 60% untuk mencari berita terbaru (APJII, 2015). Sementara itu dari sisi aplikasi yang digunakan, situs jejaring sosial yang paling banyak diakses oleh pengguna adalah Twitter dan Facebook. Dari sisi pengguna Facebook, Indonesia bahkan menempati peringkat empat dunia (Perfectinsider, 2015).

Bagaimana Membuat Sentiment Analysis?  

Berdasarkan sumber datanya, Sentiment Analysis terbagi menjadi dua  kelompok besar yaitu Coarse-grained Sentiment Analysis dan fined-grained Sentiment Analysis. Coarse-grained menganalisis sentimen pada level dokumen dan menganggap seluruh isi dokumen sebagai sebuah sentiment positif atau sentiment negatif. Sedangkan Fined-grained menganalisa level kalimat yang menentukan sentimen pada setiap kalimat.

Socmed Analysis (ilustrasi : linkedin.com)

Mengapa judul di atas mengatakan "gampang" untuk membuat sentiment analysis? Karena memang sudah banyak tools atau alat bantu yang menyediakan prosesnya. Mulai dari aplikasi Twitter Sentiment (www.sentiment140.com) misalnya, merupakan very simple twitter analysis dengan beberapa features seperti penyediaan chart, penyediaan sentimen secara periodeik, dan bahkan tidak perlu sign up untuk bisa melakukannya. Just log in with your twiiter account. Ada lagi TwazzUp (new.twazzup.com) merupakan free tools twitter untuk mendapatkan hasil twit berdasarkan kata kunci tertentu dan memperlihatkan detail akun yang melakukan tweet pada kata kunci tersebut. Atau Twitalyzer yang merupakan free tools untuk memberikan berbagai analisa dalam bentuk metrik grafik akun twitter Anda. Puluhan jenis grafik disediakan untuk akan memberikan analisis mendalam tentang akun twitter anda. Disamping itu masih banyak lagi aplikasi yang menyediakan perangkat siap pakai untuk melakukan analisis semacam itu.

Tentu berbagai aplikasi di atas kurang menantang bagi Anda yang suka programming. Analisa yang diberikan pada aplikasi-aplikasi di atas tentu hanya sebatas pada yang disediakan oleh tools tersebut. Jika anda adalah programming mania yang tertantang untuk membuat sendiri aplikasi tersebut, Anda dapat menggunakan bahasa pemrograman R, Rapid Miner atau juga Tableau. Jangan khawatir dengan jenis analisis yang diguankan, karena bahasa-bahasa tersebut sudah menyediakan library analisis yang cukup lengkap. Sebagai contoh, R menyediakan library Twitter Data Analysis mulai dari  tahap autentikasi Twiter API, SearchTweets untuk pencarian data dengan kata kunci tertentu, stem words serta fungsi-fungsi analisis seperti Frequent Term, Associantion, Clustering, Word Cloud dan info-info grafis seperti barplot atau semacamnya.

Saya sebenarnya ada sedikit contoh Twitter Data Analysis dengan R-Programming yang saya buat untuk tugas mata kuliah Knowledge and Information Retrieval beberapa waktu lalu. Tapi ini baru saya bongkar-bongkar untuk coba ditulis kembali dalam blog ini. Tunggu posting berikutnya ya..


Kaki Merbabu, Tengah April 2017.
Ditulis di sela-sela penghayatan Sabtu Sunyi menyongsong Paskah 2017.


Lampiran Referensi Berita:

• Debat Final, Ahok-Djarot Dapat Apresiasi Positif dari Netizen
• 560 ribu kicauan bersiliweran kala Debat kedua Pilkada DKI Jakarta
• 55% Percakapan soal Pilgub di Twitter Berasal dari Luar DKI
• Politicawave: 51 Persen Netizen Bicarakan Anies-Sandi Saat Debat

Posted in: Computer Science,Seputar SI/TI