ANALISIS SENTIMEN TERHADAP IPHONE 16 PADA DATA TWITTER MENGGUNAKAN ORANGE DATA MINING

Article Sidebar

pdf
Issue
Vol. 5 No. 3 (2024): Kohesi: Jurnal Sains dan Teknologi
Published: Nov 22, 2024
Keywords:
Analisis Sentimen,
iPhone 16,
Twitter,
Orange Data Mining

Main Article Content

Ichwanul Hakim
Universitas Islam Negeri Sumatera Utara
Lailan Sofianah Harahap
Universitas Muhammadiyah Sumatera Utara

Abstract

Laju pegerakan perubahan teknologi bergerak begitu cepat, disertai dengan peningkatan popularitas media sosial yang semakin meluas. Media sosial, khususnya Twitter, telah menjadi platform yang penting dalam menyebarkan opini dan reaksi publik terhadap berbagai peristiwa, termasuk peluncuran produk baru. Dalam era digital ini analisis sentimen memainkan peran penting dalam memahami bagaimana masyarakat merespons suatu topik atau peristiwa. Penelitian ini bertujuan untuk menganalisis sentimen pengguna Twitter terhadap peluncuran iPhone 16 menggunakan metode analisis sentimen dan perangkat lunak Orange Data Mining. Data yang digunakan diperoleh dari 344 tweet berbahasa Indonesia  yang dikumpulkan melalui teknik crawling menggunakan tools tweet-harvest. Proses penelitian melibatkan prapemrosesan teks untuk menghilangkan elemen tidak relevan dan analisis emosi menggunakan algoritma Ekman. Hasil analisis menunjukkan bahwa peluncuran iPhone 16 menimbulkan beragam reaksi emosional, dengan emosi "kaget" (182 tweet) menjadi yang paling dominan, diikuti oleh "kebahagiaan" (110 tweet). Temuan ini mencerminkan bagaimana peluncuran produk dapat menciptakan dampak emosional yang signifikan, baik positif maupun negatif, di kalangan pengguna media sosial.

Article Details

How to Cite
Ichwanul Hakim, & Lailan Sofianah Harahap. (2024). ANALISIS SENTIMEN TERHADAP IPHONE 16 PADA DATA TWITTER MENGGUNAKAN ORANGE DATA MINING. Kohesi: Jurnal Sains Dan Teknologi, 5(3), 51–60. https://doi.org/10.3785/kohesi.v5i3.7040
Section
Articles
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

Creative Commons License

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.

Author Biographies

Ichwanul Hakim, Universitas Islam Negeri Sumatera Utara

Program Studi Sistem Informasi, Universitas Islam Negeri Sumatera Utara

Lailan Sofianah Harahap, Universitas Muhammadiyah Sumatera Utara

Program Studi Teknologi Informasi, Universitas Muhammadiyah Sumatera Utara

References

Aldy, M. D., & Nasution, M. I. P. (2023). Implementasi Big Data Di Media Sosial Sebagai Strategi Komunikasi Krisis Pemerintah. Jurnal Sistem Informasi Dan Ilmu Komputer, 1(3), 73–87.

AminiMotlagh, M., Shahhoseini, H., & Fatehi, N. (2022). A reliable sentiment analysis for classification of tweets in social networks. Social Network Analysis and Mining, 13(1), 7.

Bashir, S., Bano, S., Shueb, S., Gul, S., Mir, A. A., Ashraf, R., & Noor, N. (2021). Twitter chirps for Syrian people: Sentiment analysis of tweets related to Syria Chemical Attack. International Journal of Disaster Risk Reduction, 62, 102397.

Febriyanti, S., Nursidah, D. R., Gustiara, D., & Yulianti, R. (2022). Analisis Sentimen Masyarakat Indonesia Terhadap Pelaksanaan Vaksin Covid’19. Khazanah: Jurnal Mahasiswa, 13(2), 66–73. https://doi.org/10.20885/khazanah.vol13.iss2.art4

Lohmann, S., Heimerl, F., Bopp, F., Burch, M., & Ertl, T. (2015). Concentri cloud: Word cloud visualization for multiple text documents. 2015 19th International Conference on Information Visualisation, 114–120.

Pahtoni, T. Y., & Jati, H. (2024). ANALISIS SENTIMEN DATA TWITTER TERKAIT CHATGPT MENGGUNAKAN ORANGE DATA MINING. Jurnal Teknologi Informasi Dan Ilmu Komputer, 11(2), 329–336.

Pakpahan, D., & Widyastuti, H. (2014). Aplikasi Opinion Mining dengan Algoritma Naïve Bayes untuk Menilai Berita Online. Jurnal Integrasi, 6(1), 1–10.

Parveen, N., Chakrabarti, P., Hung, B. T., & Shaik, A. (2023). Twitter sentiment analysis using hybrid gated attention recurrent network. Journal of Big Data, 10(1). https://doi.org/10.1186/s40537-023-00726-3

Qadri, M. (2020). Pengaruh Media Sosial Dalam Membangun Opini Publik. Qaumiyyah: Jurnal Hukum Tata Negara, 1(1), 49–63. https://doi.org/10.24239/qaumiyyah.v1i1.4

Rismawan, S. A. (2023). Implementasi website berita online menggunakan metode crawling data dengan bahasa pemrograman python. JATISI (Jurnal Teknik Informatika Dan Sistem Informasi), 10(3), 167–178.

Saptari, R., Rianto, & Gufroni, A. I. (2018). Analisis Sentimen Pengguna Twitter Terhadap Pelayanan Unit Gawat Darurat Rumah Sakit Umum di Indonesia Menggunakan Seleksi Fitur Information Gain dan Support Vector Machine. Journal Oof Informatics Education, XX, 104–110. http://e-journal.ivet.ac.id/index.php/jiptika/article/view/1925/1369

Sembodo, J. E., Setiawan, E. B., & Baizal, Z. A. (2016). Data crawling otomatis pada twitter. Indonesian Symposium on Computing (Indo-SC), 11–16.

Thoriq, E. M., Ratnawati, D. E., & Rahayudi, B. (2021). Analisis Sentimen Opini Publik pada Media Sosial Twitter terhadap Vaksin Covid-19 menggunakan Algoritma Support Vector Machine dan Term Frequency-Inverse Document Frequency. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 5(12), 5349–5355.