JITTER- Jurnal Ilmiah Teknologi dan Komputer Vol. 3, No. 1 April 2022

ANALISIS SENTIMEN BERITA UNIVERSITAS UDAYANA MENGGUNAKAN METODE FULL TEXT SEARCH (NATURAL LANGUAGE) DAN RULE BASED METHOD

Siti Rohmatul Khasanaha1, I Ketut Gede Darma Putra a2, I Putu Arya Dharmadi b3 a Department of Information Technology, Engineering Faculty, Udayana University Bukit Jimbaran, Bali,

Indonesia-803611

e-mail: 1rohmatul679@gmail.com, 2ikgdarmaputra@unud.ac.id, 3aryadharmaadi@unud.ac.id

Abstrak

Perkembangan teknologi membuat berita online banyak disajikan melalui website. Saat ini banyak berita tentang Universitas Udayana yang ada di berbagai website. Dengan adanya berita tersebut Universitas Udayana dapat melakukan evaluasi untuk meningkatkan citranya dimata publik dengan cara melakukan analisis sentimen berita mengingat Universitas Udayana merupakan salah satu Universitas yang paling diminati di Bali. Data berita didapatkan dengan melakukan web scraping dari beberapa situs berita. Data berita yang didapatkan diproses dengan beberapa tahapan, tahapan tersebut meliputi filtering, stemming, pencocokan kata dengan metode Full Text Search (Natural Language), klasifikasi sentimen dengan metode Rule Based Method, visualisasi dengan web dan pengujian menggunakan confussion matix. Hasil pengujian menunjukkan aplikasi analisis sentimen berita Universitas Udayana dapat bekerja dengan baik untuk mengenali sentimen berita positif sebagai kelebihan Universitas Udayana dan mengenali sentimen berita negatif sebagai kekurangan Universitas Udayana dengan tingkat akurasi sebesar 94%, tingkat presisi positif sebesar 98%, presisi negatif sebesar 84%, presisi netral sebesar 100%, recall positif sebesar 91%, recall negatif sebesar 96%, dan recall netral sebesar 100%.

Keywords: Analisis Sentimen, Full Text Search (Natural Language), Rule Based Method, Berita Online Universitas Udayana.

Abstract

Technological developments make online news widely presented through websites. Currently, there is a lot of news about Udayana University on various websites. With this news, Udayana University can evaluate to improve its image in the eyes of the public by conducting news sentimen analysis considering that Udayana University is one of the most popular universities in Bali. News data is obtained by doing web scraping from several news sites. The news data obtained is processed in several stages, these stages include filtering, stemming, word matching using the Full Text Search (Natural Language) method, sentimen classification using the Rule Based Method, visualization with the web and testing using confussion matix. The test results show that the Udayana University news sentimen analysis application can work well to recognize positive news sentimen as an advantage of Udayana University and recognize negative news sentimen as a weakness of Udayana University with an accuracy rate of 94%, a positive precision rate of 98%, a negative precision of 84%. 100% neutral precision, 91% positive recall, 96% negative recall, and 100% neutral recall.

Keywords: Sentimen Analysis, Full Text Search (Natural Language), Rule Based Method, Udayana University Online News.

  • 1.    Pendahuluan

Berita merupakan informasi mengenai sesuatu yang tengah terjadi atau telah terjadi disajikan dalam bentuk siaran (streaming), media cetak, dari mulut ke mulut, atau internet (online). Di era teknologi seperti sekarang, berita banyak disajikan online melalui website. Berita yang ada dalam suatu website tidak jarang dapat mengubah pandangan masyarakat luas yang membacanya yang awalnya beropini positif bisa menjadi negatif ataupun sebaliknya. Saat ini banyak berita tentang Universitas Udayana yang ada diberbagai website. Dengan adanya berita tersebut Universitas Udayana dapat melakukan evaluasi pada kegiatan dan program-program kerja yang sedang atau telah dilakukan. Salah satu cara evaluasi yang bisa dilakukan adalah dengan analisis sentimen untuk mengetahui pendapat publik tentang Universitas Udayana melalui berita sehingga dapat diketahui aspek mana saja yang perlu dibenahi dan dievaluasi. Hal ini penting karena berdampak sangat besar bagi citra Universitas Udayana dimata masyarakat.

Penelitian ini membahas mengenai perancangan dan pembuatan aplikasi analisis sentimen yang ditujukan untuk klasifikasi opini berdasarkan berita Universitas Udayana.menggunakan metode Full Text Search (Natural Language) dan Rule Based Method. Data berita yang dianalisis didapatkan dengan melakukan web scraping dari beberapa situs berita. Metode Full Text Search (Natural Language) digunakan untuk proses pencocokan kata. Full Teks Search merupakan algoritma pencarian teks yang mudah dan sederhana untuk digunakan [10]. Pada [5] Full Text Search dengan Boolean Mode diimplementasikan sebagai metode pencocokan pola.

Metode klasifikasi yang digunakan dalam penelitian ini yaitu Rule Based Method. Rule Based Method menggunakan bantuan human expert dalam menentukan rule atau aturan yang digunakan untuk memisahkan berita sesuai dengan kelasnya. Pendekatan Rule Based dipilih karena sesuai jika terapkan dalam klasifikasi sederhana, mudah untuk diverifikasi dan divalidasi [3]. Putra, Helen, dan Barakbah [7] menggunakan Rule Based Method dalam penelitiannya. Penelitian tersebut juga membandingkan metode Rule Based, SVM, dan Naïve Bayes dengan perolehan akurasi terbaik yaitu pada metode Rule Based sebesar 81,33%.

  • 2.    Metode Penelitian

Metode penelitian memaparkan alur atau tahapan dari pembuatan aplikasi analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method. Tahapan penelitian ditampilkan pada Gambar 1.

Gambar 1. Tahapan Penelitian

Tahapan penelitian dimulai dari mengalisis permasalahan yang ada dilanjutkan dengan perancangan pada database. Hasil perancangan basis pengetahuan kemudian diimlementasikan kedalam program yang telah dibangun pada Python dan PHP. Hasil analisis sentiment kemudian diuji menggunakan confussion matrix.

  • 2.1    Gambaran Umum Aplikasi

Gambar 2 akan menjelaskan tentang gambaran umum pada aplikasi analisis sentimen berita Universitas Udayana.

Data Benta UNUD diambil dari Website


I -Processing Berita


- Parsing Link Berita I - Scrapping Isi Link Berita

Gambar 2. Gambaran Umum Aplikasi


Gambaran umum aplikasi “analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method” sebagai berikut a. Data Penelitian

Data berita tentang Universitas Udayana diambil dari berbagai website seperti detik.com, kompas.com, cnnindonesia.com, merdeka.com bali.tribunnews.com dan lain-lain. Data berita diambil menggunakan teknik web scraping.

  • b.    Pre-Processing Teks

Pre-processing dilakukan pada data berita yang telah didapat. Proses ini berguna untuk membersihkan data dari atribut yang tidak diperlukan dalam proses analisis. Tahap preprocessing teks yang digunakan yaitu:

  • 1.    Filtering

Filtering yang dilakukan meliputi proses case folding, menghilangkan kata stopword dan menghilangkan tanda baca.

  • 2.    Stemming

Stemming yaitu proses mengubah kata dalam teks berita menjadi katadasar. stemming yang diimplementasikan menggunakan library Sastrawi pada Python.

  • c.    Pencocokan kata

Data yang telah di-pre-processing selanjutnya dicocokkan dengan kata sentimen yang sudah dibangun pada database menggunakan kueri Full Text Search (Natural Language di MySQL. Kamus kata sentimen yang sudah dikategorikan dengan sentimennya yaitu positif atau negatif ditampilkan pada Tabel 1. Pencocokan kata Full Text Search (Natural Language) ditampilkan ada Gambar 3.

Tabel 1. Kamus Kata Sentimen

No

Kata

Status

1

adil

positif

2

aib

negatif

3

akur

positif

4

aman

positif

5

ancam

negatif

6

apresiasi

positif

7

bagus

positif

8

baik

positif

9

brutal

negatif

10

korupsi

negatif

Gambar 3. Full Text Search (Natural Language) pada MySql

Gambar 3 menampilkan pencocokan berita dengan kata sentimen menggunakan Full Text Search (Natural Language). Fungsi MATCH() mengambil katadasar dari tb_kata_sentimen sedangkan fungsi AGAINST() mengambil teks berita untuk mencari kecocokannya. Kata yang dicari hanya kata yang sama persis dengan kata kunci ditandai dengan adanya nilai bobot. Bobot menampilkan nilai relevansi dari tiap row, nilai bobot 0 artinya tidak ada kecocokan. Hasil relevansi yang memiliki bobot digunakan dalam proses klasifikasi sentimen sedangkan hasil relevansi 0 tidak digunakan.

  • d.    Klasifikasi Sentimen Berita

Hasil dari pencocokan menggunakan metode Full Text Search (Natural Language kemudian diklasifikasi sesuai dengan aturan (rule) yang telah ditetapkan [6] yaitu.

  • 1.    Jika jumlah kata bersentimen positif lebih banyak dari jumlah kata bersentimen negatif, maka berita digolongkan kedalam kelas positif.

  • 2.    Jika jumlah kata bersentimen negatif lebih banyak dari jumlah kata bersentimen positif, maka berita digolongkan kedalam kelas negatif.

  • 3.    Jika jumlah kata bersentimen positif sama dengan jumlah kata bersentimen negatif, maka berita digolongkan kedalam kelas netral.

  • 4.    Jika tidak terdapat kata bersentimen positif maupun negatif, maka berita digolongkan kedalam kelas netral.

Dari Gambar 2 didapatkan jumlah kata sentimen dalam berita sebanyak 15 kata sentimen, dengan 1 kata sentimen positif dan 14 kata sentimen negatif. Hasil tersebut menunjukkan berita Universitas Udayana dikategorikan sebagai berita negatif sesuai dengan rule atau aturan yang kedua.

  • e.    Hasil dari proses klasifikasi divisualisasikan pada web dalam bentuk chart berdasarkan subjek yang ditentukan yaitu positif negatif dan netral.

  • f.    Proses terkhir yaitu pengujian hasil analisis sentimen menggunakan confussion matrix.

  • 3.    Kajian Pustaka

Kajian Pustaka berisi semua sumber yang dijadikan sebagai bahan rujukan dalam penelitian ini, antara lain sebagai berikut.

  • 3.1    Analisis Sentimen

Analisis sentimen adalah proses mengukur nilai emosional dari sekumpulan kata atau teks untuk memahami pendapat, sikap, dan perasaan yang diungkapkan [8] berdasarkan sumber datanya analisis sentimen dapat dibedakan, menjadi 2 yaitu, analisis sentimen pada level dokumen dan analisis sentimen pada level kalimat [9].

  • 3.2    Web scraping

Web Scraping merupakan proses pengambilan informasi tententu dari internet dan dikumpulkan dalam sebuah web atau tempat yang baru secara otomatis tanpa harus mengambilnya secara manual Keuntungan dari web scraping adalah informasi yang dikumpulkan lebih terpusat sehingga lebih mudah untuk menemukan data yang diinginkan [1].

  • 3.3    Full Text Search (Natural Language)

Full Text Search dengan mode Natural Language adalah fungsi pada MySQL yang dapat mencocokan pola dengan menghasilkan nilai yang relevan. Full Text Search melakukan pencarian teks dengan fungsi MATCH()AGAINST()Terdapat tiga tipe pencarian dalam Full Text Search yaitu In Natural Language Mode, In Boolean Mode, dan With Query Expansion[4].

  • 3.4    Rule Based Method

Rule Based Method merupakan metode klasifikasi yang bekerja dengan cara mengelompokkan kelas sentimen berdasarkan rule atau aturan tertentu. Metode ini memakai klausa IF (kondisi) dan THEN (solusi). Rule [6] yang digunakan dalam menentukan kelas sentimen pada penelitian ini adalah sebagai berikut.

  • a.    Jika jumlah kata bersentimen positif lebih banyak dari jumlah kata bersentimen negatif, maka berita digolongkan kedalam kelas positif.

  • b.    Jika jumlah kata bersentimen negatif lebih banyak dari jumlah kata bersentimen positif, maka berita digolongkan kedalam kelas negatif.

  • c.    Jika jumlah kata bersentimen positif sama dengan jumlah kata bersentimen negatif, maka berita digolongkan kedalam kelas netral.

  • d.    Jika tidak terdapat kata bersentimen positif maupun negatif, maka berita digolongkan kedalam kelas netral.

  • 4.    Hasil dan Pembahasan

Hasil dan diskusi meliputi interface dari aplikasi analisis sentimen berita Universitas Udayana dan hasil analisa yang didapatkan sesuai dengan pengujian yang dilakukan.

  • 4.1    Interface Aplikasi

Interface Menu Hasil aplikasi analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method ditampilkan pada Gambar 4.

Gambar 4 menampilkan interface Menu Hasil yang berisi data berita yang telah dilakukan analisis. Menu hasil menampilkan berita asli, hasil processing dan hasil analisis berupa persentase dari berita positif dan negatif.

Interface Visualisasi aplikasi analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method terdapat pada Gambar 5.


^^ Siti Rohmatul


Charts


Home I Charts


0 SitusBerita

130                   HasiIAnaIisis

JUMLAH BERITA



O Data Berita

Q Preprocessing

§ Hasil

Iilil Visualisasi

BERITA POSITIF

No                                                         Berito                                                       Bobot Positif

  • 1    kbrn denpαsαr pt bursa efek Indonesia bei mengadakan public ekspose kampus pasca sarjana universitas Udayana 100% denpasar kegiatan 2 hari 7 8 September 2017 melibatkan sejumlah perusahaan pt lautan Iuas tbk pt bank bukopin tbk pt aneka tambang persero tbk pt adhl karya persero tbk kepala divisi riset pengembangan bursa efek Indonesia verdi ikhwan wartawan kamis 792017 menjelaskan public ekspose pihaknya lakukan marathon tidak hanya bali khusus bali pt bei melibatkan mahasiswa seluruh perguruan tinggi baik negeri maupun swasta ada pulau dewata "kita berharap sekarang mungkin mahasiswa pelajar segi permodalan segi permodalan mungkin belum seimbang sudah bekerja harap melakukan sosialisasi sedini mungkin pas masuk kedunia kerja pas sudah punya duit diinvestasikan lebih aktif berinvestasi" katanya pun mengakui ajang mempertemukan langsung emiten investor lokal harapannya public ekspose meningkatkan animo investor lokal melantai bursa saham "dari sisi investor salah satu lakukan public ekspose marathon datang kedaerah cari investor retail bekerjasama teman-teman anggota bursa meraka tahu jadi kan kayak event mempertemukanlah mempertemukan emiten Investomya bertanya segala macam" ungkapnya verdi ikhwan mengaku event public ekspos kiat meningkatkan demand diimbangi suplay melalui peningkatan emiten ada bursa saham Indonesia hrofotokbrn 000000 000000

  • 2    detikers tertarik mencoba seleksi jalur mandiri unud berikut Infarmasinya dikutip situs resmi universitas Udayana 1 warga 100% negara Indonesia wni memiliki nomor induk siswa nasional nisn 2 lulusan smasmkma sederajat tahun 2019-2021 3 dokumen lulusan tahun 2019 2020 berupa fotokopi ijazah sudah ditanda tangan kepala sekolah tanda tangan cap basah kelulusan tahun 2021 berupa surat keterangan lulus terdapat pas foto berwarna disahkan kepala sekolah tanda tangan cap basah I pendaftaran dilakukan online melalui laman httpsutbkunudacid 2 peserta unud membayar sebesar rp 460000 tanggal 12 mei-25 Juni 2021 bank mandiri menyebutkan nomor pendaftaran 3 melakukan pembayaran peserta melanjutkan pendaftaran melalui laman httpsutbkunudacid login menggunakan username password pendaftaran awal 4 peserta melakukan pengisian biodata mengupload foto peserta memilih program studi mengisi sumbangan pengembangan institusi spi isi data ukt mengunggah dokumen persyaratan lainnya 5 peserta mencetak tanda peserta utbk jalur mandiri 2021 online 6 peserta mengikuti utbk sesuai jadwal ditentukan 7 tiap peserta hanya boleh memilih maksimal dua prodi unud 1 peserta ditanyakan lulus seleksi jalur mandiri unud peserta belum dinyatakan lulus melalui snmptn sbmptn 2021 seluruh perguruan tinggi ada Indonesia 1 pendaftaran 12 mei 25 juni 2021 2 utbk dilakukan selama 7 hari terdiri 13 sesi - sesi 1 2 senin 12 juli 2021 - sesi 3 4 selasa 13 juli 2021 • sesi 5 6 rabu 14 juli 2021 • sesi 7 8 kamis 15 juli 2021 - sesi 9 10 jumat 16 juli 2021 ■ sesi 11 sabtu 17 juli 2021 khusus campuran - sesi 12 13 minggu 18 juli 2021 sesi

BERITA NEGATIF

No                                                            Berita                                                         Bobot Negatif

  • 1      05 jan 2021 1130 Wibdiperbarui 05 jan 20211130 wib warga badung bali dikejutkan penemuan sesosok mayat pria berusia 100%

16 tahun mengambang bendungan kampus udayana penyebab kematian diselidiki polisi Iiputan6com jakarta warga badung bali dikejutkan penemuan sesosok mayat pria berusia 16 tahun mengambang bendungan kampus udayana penyebab kematian diselidiki polisi

  • 2     07 januari 202116 07 46 wib editor ali mustofa bocah berinisial i kadek kd ditemukan tewas bendungan kampus unud 83%

jimbaran beberapa hari Ialu ist share this Jimbaran penyebab tewasnya pelajar berinisial i kadek kd jasadnya ditemukan mengambang bendungan depan kampus unud jimbaran kuta selatan senin 41 Ialu misterius polisi melakukan penyelidikan mendalam pasalnya penyebab tewasnya pelajar 16 tahun terbilang cukup janggal jasadnya ditemukan terdapat Iuka mulutnya kapolsek kuta selatan akp yusak agustinus sooai menerangkan pihaknya melakukan penyelidikan mendalam baca mendalami katanya kamis 71 dijelaskan anak buahnya meminta keterangan dua orang saksi berada bersama korban sempat melihat korban berjalan menuju bendungan bersama dua orang pria wanita polisi kepolisian polsek kuta selatan belum berhasil menemukan sosok dua orang sempat dilihat saksi berjalan bersama korban menuju bendungan polisi memburu dua orang kalau saksi sudah diperiksa kalau kedua orang terlihat menuju bendungan bersama korban belum ketemu ujar yusak meski polisi terus melakukan penyelidikan terkait kasus ini sebelumnya jasad remaja pria berusia 16 tahun berinisial i kadek kd ditemukan mengapung bendungan dekat kampus unud jimbaran kuta selatan badung jasad pelajar ditemukan senin 412021 1630 wita belum diketahui pasti penyebab kematian korban kapolsek kuta selatan akp yusak agustinus sooai menerangkan pelajar tinggal jalan lingkar timur udayana gong tukad nangka lingkungan perarudan jimbaran kuta selatan badung dilaporkan tidak kembali rumah awalnya korban dicari keluarganya tidak kembali rumah ujar akp yusak selasa 512021 Ialu ditemukan kondisi tak bernyawa seorang saksi merupakan teman korban berinisial Ism 16 menuturkan sehari korban sempat bertemu saksi saksi dijemput korban kedongonan kuta Ialu keduanya beranjak pantai kelan kedonganan sekitra 1830 wita 2000 wita korban mengntar saksi pulang rumahnya korban pamit pulang pamit pulang heman korban sempat mengirim pesan hp korban menanyakan sudah samaoi rumah belum korban tidak pemah membolos ujar akp yusak sejak korban hilang kontak bahkan keluarganya pun melakukan pencarian senin 412021 keluarga korban mendapat kabar ada warga menemukan sepeda motor korban terparkir di depan sebuah bengkel depan kampus unud jimbaran tak jauh

Gambar 5 menampilkan interface Visualisasi yang berisi chart jumlah berita, jumlah berita positif, jumlah berita negatif, dan jumlah berita netral. Menu Visualisai juga berisi 5 berita positif dan negatif dengan nilai presentase tertinggi.

  • 4.2 Hasil Analisis

Hasil analisis dari aplikasi “analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method” ditunjukkan pada Tabel 2.

Tabel 2. Hasil Analisis Sentimen Aplikasi

Jumlah data

Positif

Negatif

Netral

103

60

33

10

Hasil analisis dari 103 berita Univeritas udayana pada aplikasi diperoleh klasifikasi berita positif sebanyak 60 berita, klasifikasi berita negatif sebayak 33 berita dan klasifikasi berita netral sebanyak 10 berita.

Tabel 3 Hasil Analisis Sentimen Responden

Jumlah data

Positif

Negatif

Netral

103

58

37

8

Analisis dilakukan oleh 3 responden ahli dalam bidang Bahasa Indonesia. Hasil analisis dari 103 berita Univeritas udayana oleh responden diperoleh klasifikasi berita positif sebanyak 58 berita, klasifikasi berita negatif sebayak 37 berita dan klasifikasi berita netral sebanyak 8 berita. Diagram perbandingan hasil klasifikasi aplikasi dengan pengujian ditampilkan pada Gambar 6.

Hasil Aplikasi dan Pengujian

Gambar 6. Perbandingan Analisis Hasil Aplikasi dengan Hasil Pengujian

Pengujian dilakukan menggunakan confusion matrix yaitu sebuah matrik yang membandingkan hasil analisis sentimen dari aplikasi dengan hasil analisis sentimen oleh 3 responden. Pengujian confusion matrix ditunjukkan pada Tabel 4.

Tabel 4. Confussion Matrix

Positif

Kelas Prediksi Negatif

Netral

Kelas

Aktual

Berita Positif

57

1

0

Berita Negatif

3

32

2

Berita Netral

0

0

8

Pengujian dilakukan menggunakan 103 berita hasil klasifikasi aplikasi dan hasil klasifikasi oleh 3 responden. Tabel 3 menunjukkan bahwa berita yang berhasil dikenali sebagai berita positif dan berita tersebut adalah benar sebagai berita positif (True Positif) berjumlah 57 dari total 58 berita positif. Berita yang berhasil dikenali sebagai berita negatif dan berita tersebut adalah benar berita negatif (True Negatif) berjumlah 32 dari total 37 berita negatif sedangkan berita yang berhasil dikenali sebagai berita netral dan berita tersebut adalah benar berita netral (True Netral) berjumlah 8 dari total 8 berita netral. Berdasarkan hasil proses klasifikasi sentimen berita Universitas Udayana dapat diperoleh nilai akurasi, presisi dan recall. Akurasi menjabarkan seberapa akurat aplikasi analisis sentimen dapat mengklasifikasikan berita Universitas Udayana secara benar. Perhitungan 1 meghitung nilai akurasi dari hasil pengujian.

True Positif+True Negatif+True Netral

Akurasi =                                         x 100%          (1)

Jumlah Data Keseluruhan

57+32+8

Akurasi =                       x 100% = 94%

103

Presisi menjabarkan akurasi antara data yang diinginkan dengan hasil perkiraan yang diberikan oleh aplikasi analisis sentimen berita Universitas Udayana. Perhitungan 2 meghitung nilai presisi dari hasil pengujian.

True Positif

Presisi            =                             x 100%                     (2)

True Positif+False Positif

57

Presisi Positif =            x 100% =    98%

57+1

32

Presisi Negatif =             x 100% =    84%

32+6

8

Presisi Netral =            x 100%   =   100%

8

Recall menjabarkan keberhasilan aplikasi analisi sentimen berita Universitas Udayana dalam menemukan kembali sebuah informasi yang diinginkan. Perhitungan 3 menghitung nilai recall dari hasil pengujian.

True Positif

Recall =                             x 100%

(3)


True Positif+False Negatif

57

Recall Positif =

x 100% = 91% 57+5

32

Recall Negatif

=        x 100% = 96%

32+1

8

Recall Netral

=        x 100% = 100%

8

Tabel 5. Tabel Hasil Pengujian Confussion Matrix

Kelas

Presisi

Recall

Akurasi

Positif

98%

91%

Negatif

84%

96%

94%

Netral

100%

100%

Pada Tabel 5 dapat dilihat bahwa tingkat akurasi aplikasi analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method sebesar 94%, tingkat presisi positif sebesar 98%, presisi negatif sebesar 84%, presisi netral sebesar 100%, recall positif sebesar 91%, recall negatif sebesar 96%, dan recall netral sebesar 100%.

  • 5.    Kesimpulan

Kesimpulan berdasarkan penelitian analisis sentimen berita Universitas Udayana menggunakan metode Full Text Search (Natural Language) dan Rule Based Method adalah sebagai berikut.

  • a.    Implementasi Full Text Search sebagai metode pencocokan pola pada aplikasi analisis sentimen berita Universitas Udayana masih belum maksimal dan perlu adanya pengembangan lebih lanjut, ini dikarenakan metode Full Text Search yang diimlementasikan pada aplikasi analisis sentimen membutuhkan jumlah kata sentimen yang lebih banyak sehingga hasil dari analisis lebih akurat.

  • b.    Implementasi metode Rule Based Method dapat mengklasifikasikan berita Univesitas Udayana kedalam kelas positif, negatif dan netral.

  • c.    Berdasarkan pengujian yang dilakukan terhadap 103 berita menunjukkan 97 jawaban sesuai dan 6 jawaban tidak sesuai dengan tingkat akurasi sebesar 94%, tingkat presisi positif sebesar 98%, presisi negatif sebesar 84%, presisi netral sebesar 100%, recall positif sebesar 91%, recall negatif sebesar 96%, dan recall netral sebesar 100%. Hal ini menunjukkan bahwa Full Text Search (Natural Language) dan Rule Based Method dapat bekerja dengan baik, mengenali kekurangan Universitas Udayana secara otomatis dengan mengklasifikasikan berita yang ada ke dalam kategori berita negatif. Aplikasi juga dapat mengetahui kelebihan dari Universitas Udayana dengan mengidentifikasi berita positif yang ada pada berita Universitas Udayana.

Daftar Pustaka

  • [1]    AYani, Dhita Deviacita, Helen Sasty Pratiwi, and Hafiz Muhardi. Implementasi Web Scraping Untuk Pengambilan Data Pada Situs Marketplace. Jurnal Sistem Dan Teknologi Informasi (JUSTIN). 2019; 7 (4): 257.

  • [2]    Flores, Veronica Ambassador, I Made Sukarsa, and Putu Wira Buana. Combination of Full-Text Search and Forward Backward Chaining Methods for FAQ New Student Information with Chatbot Technology. Journal of King Saud University –Computer and Information Sciences. 2020.

  • [3]    Lailiyah, Masfulatul. SENTIMEN ANALYSIS MENGGUNAKAN RULE BASED METHOD PADA DATA PENGADUAN PUBLIK BERBASIS LEXICAL RESOURCES. Tesis. Surabaya: Institut teknologi Sepuluh Nopember; 2017.

  • [4]    Full-Text Search Functions. https://dev.mysql.com/doc/refman/8.0/en/fulltext-search.html diakses pada 16 September 2021.

  • [5]    Paliwahet, I Nyoman Satria, I Made Sukarsa, and I Ketut Gede Darma Putra. Pencarian Informasi Wisata Daerah Bali Menggunakan Teknologi Chatbot. Lontar Komputer : Jurnal Ilmiah Teknologi Informasi. 2017; 8 (3): 144.

  • [6]    Puspitasari, Dwi, Dian Hanifuddin Subhi, and Beby Novia Putri Lovenida.

Pengembangan Analisis Sentimen Pada Twitter Untuk Layanan Ojek Online Menggunakan Rule Based. SEMINAR INFORMATIKA APLIKATIF POLINEMA (SIAP). 2020.

  • [7]    Putra, Berlian Juliartha Martin, Afrida Helen, and Ali Ridho Barakbah. Rule-Based Sentimen Degree Measurement of Opinion Mining of Community Participatory in the Government of Surabaya. EMITTER International Journal of Engineering Technology. 2018; 6 (2): 200–216.

  • [8]    Redhu, Swati, Srivastava Sangeet, Banshal Barkha, and Gupta Gaurav. Sentimen Analysis Using Text Mining: A Review. International Journal on Data Science and Technology. 2018; 4 (2): 49.

  • [9]    Santoso, Valonia Inge, Gloria Virginia, and Yuan Lukito. Penerapan Sentimen Analysis Pada Hasil Evaluasi Dosen Dengan Metode Support Vector Machine. Jurnal Transformatika. 2017; 14 (2): 72.

  • [10]    Ul Hassan, Zain, Muhammad Naeem, and Muhammad Khalid. Proposed Generic Full Text Searching Algorithm: A Database Approach.” International Journal of Computer & Organization Trends. 2015; 22 (1): 14–15.