Description

Twitter Sentiment Analysis terhadap Pandangan Masyarakat mengenai Calon Presiden Pemilu 2024 Anies Baswedan

Pendahuluan

Tahun 2024 merupakan tahun politik bagi Indonesia, karena tahun tersebut merupakan tahun dilaksanakannya Pemilihan Umum (Pemilu) Presiden dan Wakil Presiden. Tentunya sebelum pesta politik itu berlangsung, diadakan debat capres-cawapres. Debat ini merupakan ajang bagi pasangan calon (paslon) Presiden dan Wakil Presiden untuk saling menyampaikan visi misi mereka dan mengkritik paslon lain yang menjadi rival-nya.

Seiring berjalannya waktu, ternyata tidak hanya para paslon yang saling berdebat, warganet juga ikut memeriahkan pesta politik yang diadakan setiap 5 tahun sekali ini di media sosial. Salah satu media sosial tersebut adalah Twitter, salah satu platform utama di mana masyarakat secara aktif berbagi pendapat, menyampaikan aspirasi, dan mengungkapkan pandangan mereka. Aspirasi yang dituangkan di Twitter, atau sering disebut sebagai tweet merupakan data yang dapat diambil dan dianalisis. 

Fokus pada penelitain ini adalah calon presiden potensial dalam Pemilihan Umum (Pemilu) 2024, yaitu Anies Baswedan. Anies Baswedan, sebagai tokoh politik terkenal, telah menarik perhatian publik dengan berbagai kebijakan dan tindakan yang diambilnya sebagai Gubernur DKI Jakarta. Melalui Twitter Sentiment Analysis, kita dapat menganalisis dan memahami pandangan masyarakat terhadap Anies Baswedan sebagai calon presiden potensial.

Cara Kerja

Sentiment analysis dapat diimplementasikan dengan menggunakan teknik Machine Learning dan Natural Language Processing (NLP). Cuitan-cuitan atau tweet dalam bentuk data teks yang di-input akan dipisah-pisah terlebih dahulu atau disebut juga sebagai tokenisasi. Tokenisasi perlu dilakukan untuk mempermudah proses analisa dari sebuah teks. Setelah itu, sentimen dari input tadi dapat ditentukan dengan cara mengklasifikasikan kata-kata yang sudah dipisah sebelumnya dengan sentiment lexicon, sehingga menghasilkan polarity dan subjectivity dari tweet yang kita ambil.

Kode Program

Sebelum mengakses data dari tweet yang ada secara langsung, dibutuhkan API dari Twitter yang dapat diibaratkan sebagai gerbang untuk mendapatkan tweet tersebut.  Pastikan kita memiliki account Twitter developer untuk generate key dan token.

• Step 1 - Autentikasi Access Key dan Token untuk Twitter API

Setelah kita melakukan generate key dan token tadi,  Access token dan key kita input ke setiap variabel pada api_key, api_key_secret, access_token, dan access_token_secret. Setelah itu, kita sudah dapat mengambil data twitter atau tweet dari database Twitter, karena API Twitter sudah kita dapatkan melalui access token dan key tersebut.

• Step 2 - Menyesuaikan Variabel Tweet yang Ingin Dicari

Variabel public_tweets digunakan untuk mengambil data yang kita inginkan dari Twitter. Berdasarkan topik yang dibahas, variabel ‘Anies’ dan ‘Capres’ digunakan untuk memperkecil scope dari pencarian tweet yang kita inginkan. Di sini juga ditambahkan count = 100, untuk mengambil top 100 tweet yang ada.

• Step 3 - Looping Sentiment Analysis

Variabel all_polarity diinisialisasi dengan value awal yaitu 0 untuk mengetahui jumlah semua polarity yang ada. Variabel all_tweets digunakan untuk menampung semua tweet yang di-input. Terdapat looping untuk public_tweets dengan try except, yang berisikan; print(tweet.text) untuk menampilkan data tweet yang digunakan dalam bentuk teks, lalu ada inisialisasi variabel analysis yang digunakan untuk sentimen analisis teks tweet kita. Terdapat function translate yaitu untuk mengubah tweet dari Bahasa Indonesia (id) menjadi Bahasa Inggris (en). Hal ini dilakukan karena tidak adanya adaptor TextBlob untuk Bahasa Indonesia.

Terdapat .sentiment yang digunakan untuk melakukan klasifikasi terhadap  tweet. Klasifikasi sentimen ada 2 bagian, yaitu polarity dan subjectivity. Dengan function print, kita dapat melihat kedua hasil tersebut. Polarity digunakan untuk melihat seberapa positif atau negatif sebuah teks, dan subjectivity untuk melihat value dari tweet itu adalah opini atau faktual. Semakin tinggi subjectivity berarti tweet tersebut dapat dikatakan sebagai opini, sedangkan semakin tinggi polarity, menandakan emotion yang semakin positif juga dari sebuah tweet.

• Step 4 - Klasifikasi Sentimen dari Semua Tweet

Setelah klasifikasi semua tweet sudah dilakukan, polarity dari semua tweet akan ditampilkan dalam bentuk rata-rata, dan label ‘Positif’ atau ‘Negatif’ sesuai dengan mean dari polarity semua tweet. Seperti yang sudah dikatakan sebelumnya, all_polarity merupakan variabel yang menunjukkan jumlah semua polarity tweet, lalu variabel tersebut dibagi 100 karena 100 adalah jumlah tweet (count) yang kita retrieve. Threshold atau batas tinggi rendahnya polarity untuk kategori tweet bisa diatur. Dalam kasus ini, saya menggunakan “> 0”, sehingga bila true maka rata-rata public sentiment mengenai topik tersebut akan masuk ke dalam kategori positif. Begitu juga sebaliknya. Output yang akan dihasilkan adalah rata-rata atau mean dari polarity yang ada dan juga label kategori dari polarity tersebut.

Dengan memasukkan salah satu nama kandidat capres “Anies” dengan diikut kata kunci “Capres”, dan count = 100, kita bisa menjalankan program tersebut. Dari hasil di atas, didapatkan bahwa rata-rata polarity yaitu 0.1309, yang artinya polarity > 0, sehingga hasil output dari hasil rata-rata polarity sudah benar, yaitu positive.

Kesimpulan

Berdasarkan hasil percobaan program yang telah dilakukan, yang menggunakan kata kunci "Anies" dan "Capres" dengan mengambil 100 tweet, ditemukan bahwa rata-rata polarity adalah 0.1309. Seperti yang sudah dijelaskan tadi, polarity mengacu pada seberapa positif atau negatif sebuah teks dalam analisis sentimen. Dalam hal ini, karena nilai polarity lebih besar dari 0, yaitu 0.1309, dapat disimpulkan bahwa hasil output dari rata-rata polarity adalah positif.

Dengan kata lain, berdasarkan cuitan atau tweet yang dianalisis, mayoritas pendapat atau pandangan masyarakat terhadap Anies Baswedan sebagai calon presiden (capres) adalah positif. Namun, perlu diingat bahwa hasil ini hanya mencerminkan sentimen yang diekspresikan dalam cuitan yang telah dianalisis, dan mungkin tidak mewakili pandangan seluruh masyarakat.

Dalam konteks yang lebih luas, kesimpulan ini menunjukkan adanya dukungan dan persepsi positif terhadap Anies Baswedan sebagai calon presiden potensial dalam Pemilu 2024, berdasarkan sampel cuitan yang dianalisis. Namun, diperlukan lebih banyak analisis dan penelitian yang mendalam serta memperhatikan konteks yang lebih luas untuk mendapatkan gambaran yang lebih komprehensif dan akurat tentang sentimen masyarakat terhadap calon presiden.