KLASIFIKASI TWEET INFLUENCER NU DENGAN GNPF-ULAMA MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE
CLASSIFICATION OF NU INFLUENCER TWEET WITH GNPF-ULAMA USING NAIVE BAYES AND SUPPORT VECTOR MACHINE
Abstract
Legitimasi sebagai kelompok yang paling mewakili umat terus menjadi hal yang diperebutkan oleh kelompok Islam saat ini. Di satu sisi ada Nahdlatul Ulama (NU) dengan wacana Islam dan nasionalisme, di sisi lain ada Gerakan Nasional Pembela Fatwa Ulama (GNPF-Ulama) dengan wacana yang hanya menekankan pada aspek Islam. Pertarungan wacana kedua kelompok besar ini termasuk di media sosial Twitter sontak menimbulkan kebingungan pada umat Islam terutama yang awam, ditambah lagi banyaknya Buzzer dan Influencer yang berafiliasi kepada masing-masing kelompok. Penelitian ini akan melakukan klasifikasi tweet dari Influencer yang berafiliasi dengan NU dan GNPF-Ulama di media sosial Twitter. Algoritma yang digunakan adalah Naive Bayes dan Support Vector Machine. Data Twitter diambil menggunakan library tweepy, proses preprocessing menggunakan Python dengan penggunaan Library Sastrawi untuk melakukan stemming kata bahasa Indonesia. Klasifikasi dengan metode Naive Bayes dan Support Vector Machine dilakukan menggunakan aplikasi RapidMiner. Dari rangkaian proses yang dilakukan, metode Support Vector Machine menghasilkan nilai akurasi dan AUC yang lebih baik dari Naive Bayes yakni sebesar 77.28% dan AUC sebesar 0.863.
Downloads
Abstract
Legitimasi sebagai kelompok yang paling mewakili umat terus menjadi hal yang diperebutkan oleh kelompok Islam saat ini. Di satu sisi ada Nahdlatul Ulama (NU) dengan wacana Islam dan nasionalisme, di sisi lain ada Gerakan Nasional Pembela Fatwa Ulama (GNPF-Ulama) dengan wacana yang hanya menekankan pada aspek Islam. Pertarungan wacana kedua kelompok besar ini termasuk di media sosial Twitter sontak menimbulkan kebingungan pada umat Islam terutama yang awam, ditambah lagi banyaknya Buzzer dan Influencer yang berafiliasi kepada masing-masing kelompok. Penelitian ini akan melakukan klasifikasi tweet dari Influencer yang berafiliasi dengan NU dan GNPF-Ulama di media sosial Twitter. Algoritma yang digunakan adalah Naive Bayes dan Support Vector Machine. Data Twitter diambil menggunakan library tweepy, proses preprocessing menggunakan Python dengan penggunaan Library Sastrawi untuk melakukan stemming kata bahasa Indonesia. Klasifikasi dengan metode Naive Bayes dan Support Vector Machine dilakukan menggunakan aplikasi RapidMiner. Dari rangkaian proses yang dilakukan, metode Support Vector Machine menghasilkan nilai akurasi dan AUC yang lebih baik dari Naive Bayes yakni sebesar 77.28% dan AUC sebesar 0.863.
References
Farih, Amin. (2016). “Nahdlatul Ulama (NU) Dan Kontribusinya Dalam Memperjuangkan Kemerdekaan Dan Mempertahankan Negara Kesatuan Republik Indonesia (NKRI).” Walisongo 24(2): 251–84.
Gorunescu, Florin. (2011). Data Mining : Concepts, Models and Techniques. eds. Janusz Kacprzyk and Lakhmi C. Jain. Berlin: Springer.
Ibrohim, Muhammad Okky, and Indra Budi. (2019). “Multi-Label Hate Speech and Abusive Language Detection in Indonesian Twitter.” In 3rd Workshop on Abusive Language Online, Florence: ALW3, 46–57. https://www.aclweb.org/anthology/W19-3506.pdf.
Jayanto, Dian Dwi. (2019). “Mempertimbangkan Fenomena Populisme Islam Di Indonesia Dalam Perspektif Pertarungan Diskursif: Kontestasi Wacana Politik Antara Gerakan Nasional Pengawal Fatwa Ulama (GNPF-Ulama) Dan Nahdlatul Ulama (NU).” Jurnal Filsafat 29(1): 1–25. https://journal.ugm.ac.id/wisdom/article/view/41131.
Jollyta, Deny, William Ramdhan, and Muhammad Zarlis. (2020). Konsep Data Mining Dan Penerapan. Sleman: Deepublish Publisher.
Oswin Rahadiyan Hartono. (2016). “Indonesian Stoplist.” https://www.kaggle.com/oswinrh/indonesian-stoplist (November 29, 2020).
Purnamasari, Ni Made Gita Dwi, M Ali Fauzi, Indriarti, and Liana Shinta Dewi. (2018). “Identifikasi Tweet Cyberbullying Pada Aplikasi Twitter Menggunakan Metode Support Vector Machine ( SVM ) Dan Information Gain ( IG ) Sebagai Seleksi Fitur.” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer 2(11): 5326–32.
Suyanto. (2019). Data Mining : Untuk Klasifikasi Dan Klasterisasi Data. Bandung: Informatika.
Tala, F Z. (2003). Universiteit van Amsterdam The Netherlands “A Study of Stemming Effects on Information Retrieval in Bahasa Indonesia.” Universiteit van Amsterdam The Netherlands. https://eprints.illc.uva.nl/740/1/MoL-2003-02.text.pdf.
