Sentiment Analysis Berbasis Big Data Sentiment Analysis Based Big Data

Petrix Nomleni; Mochamad Hariadi; I Ketut Eddy Purnama

Petrix Nomleni Jurusan Teknik Elektro, Institut Teknologi Sepuluh Novemeber Kampus ITS Keputih, Sukolilo, Surabaya, 60111
Mochamad Hariadi Jurusan Teknik Elektro, Institut Teknologi Sepuluh Novemeber Kampus ITS Keputih, Sukolilo, Surabaya, 60111
I Ketut Eddy Purnama Jurusan Teknik Elektro, Institut Teknologi Sepuluh Novemeber Kampus ITS Keputih, Sukolilo, Surabaya, 60111

Abstrak

Pemerintah sebagai pelayan masyarakat memiliki peran yang sangat besar dalam meningkatkan kesejahteraan masyarakat.Maka perlu diadakan suatu perbaikan secara bertahap guna meningkatkan pelayanan masyarakat (public services) sebagai tugas utama pemerintah, untuk itu perlu adanya sikap keterbukaan dari pemerintah untuk dapat menerima setiap keluhan masyarakat mengenai kebijakan / program yang langsung menyentuh kepentingan masyarakat. Media Center merupakan sistem pelayanan informasi yang terintegrasi kepada masyarakat Kota Surabaya untuk ikut berpartisipasi dalam pembangunan dengan berbagai cara seperti ide, pengaduan, keluhan, kritik, saran dan pertanyaan. Untuk itu perlu adanya klasifikasi untuk sentiment analysis keluhan masyarakat informasi yang masuk ke media center sehingga pengelola dapat memberikan informasi yang efisien dan tepat kepada masyarakat dan pemerintah dapat mengetahui bidang mana yang perlu dibenahi dalam pembangunan. Sentiment analysis merupakan proses klasifikasi dokumen tekstual ke dalam beberapa kelas seperti sentimen positif dan negatif serta besarnya pengaruh dan manfaat dari sentiment analysis tersebut. Pada penelitian ini dibahas klasifikasi keluhan masyarakat terhadap pemerintah pada media sosial facebook dan twitter sapawarga data berbahasa Indonesia menggunakan metode Support Vector Machine (SVM) yang dijalankan dalam komputasi terdistribusi dengan menggunakan Hadoop. Pengujian dilakukan dengan perhitungan precision, kecepatan, akurasi.Hal ini bertujuan untuk mengetahui sejauh mana kehandalan metode yang diusulkan untuk mencapai peningkatan kecepatan dan akurasi klasifikasi.

Referensi

Edwin Lunando, Ayu Purwarianti,2013, Indonesian Social Media Sentiment Analysis with Sarcasm Detection,.

Media Center Pemerintah Kota Surabaya(Dinas Komunikasi & Informatika Kota Surabaya)

Neethu M S, Rajasree R, 2013 Sentiment Analysis in Twitter using Machine Learning Techniques,

Javier Conejero, Peter Burnap, Omer Rana, Jeffrey Morgan, 2013. Scaling Archived Social Media Data Analysis using a Hadoop Cloud

Federico Neri, Carlo Aliprandi, Federico Capeci, Montserrat Cuadros, Tomas ByShoba G, 2012, Sentiment Analysis on Social Media

Sang-Hyun Cho,Hang-Bong Kang Statistical Text Analysis and Sentiment Classification in Social Media

Visalakshi P and Karthik TU,2011 MapReduce Scheduler Using Classifiers for Heterogeneous Workloads,

Richard Colbaugh, Kristin Glass, 2011 Agile Sentiment Analysis of Social Media Content for Security Informatics Applications

Kazunari Ishida,2010Periodic Topic Mining from Massive Amounts of Data,

ang-Hyun Cho, Hang-Bong Kang, 2012, Statistical Text Analysis and Sentiment Classification in Social Media

Keke Cai, Scott Spangler, Ying Chen, Li Zhang, 2006, Leveraging Sentiment Analysis for Topic Detection

Muhamad Yusuf Nur dan Diaz D. Santika, 2011, Analisa Sentimen Pada Dokumen Bahasa Indonesia Dengan Pendekatan (Support Vector Machine),

Ni Wayan Sumartini Saraswati, 2013, Naive Bayes Classifier dan Support Vector Machines Untuk Sentiment Analysis,

Noviah Dwi Putranti dan Edi Winarko, 2013, Analisis Sentimen Twitter untuk Teks Berbahasa Indonesia dengan Maximum Entropy dan Support Vector Machine,

Imam Fahrur Rozi, Sholeh Hadi Pramono, Erfan Achmad Dahlan, 2012,Implementasi Opinion Mining (Analisis Sentimen)Implementasi untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi,

Judith Hurwits, Alan Nugent, Dr. Fern Helper, Marcia Kaufman, 2013 , Big Data For Dummies A Wiley Brand,

Irwin King, Michael R. Lyu, Haiqin Yang, 2013 Online Learning for Big Data Analytics,

Budi Santosa Tutorial Support Vector Machine