STILISTIKA

Journal of Indonesian Language and Literature

ISSN: 2808-8336

Vol.01, No.02: April 2022, pp-62-73

ANALISIS SENTIMEN KATA ANJAY PADA MEDIA SOSIAL TWITTER DALAM KAJIAN LINGUISTIK KOMPUTASI

Yusuf Parri Akbar1*, Made Sri Satyawati2, Nyoman Putra Sastra3 Universitas Udayana

*Surel: [email protected]

doi: https://doi.org/10.24843/STIL.2022.v01.i02.p06

Artikel dikirim: 04 November 2021; Diterima: 04 Desember 2021

ANJAY'S SENTIMENT ANALYSIS ON TWITTER SOCIAL MEDIA IN THE STUDY OF COMPUTATIONAL LINGUISTICS

Abstract. Language serves as a means of supporting activities, ideas, and human behavior. Every form of human life can be expressed in language. Language in everyday use depends on the user and the situation of use. Because of these two things, various variations of language are used in communication. In mid-2020, Indonesia was shocked by the ban on the use of the word anjay. The purpose of this study was to determine the classification of text mining methods in filtering the word anjay, to find out how the sentence structure is in each tweet, to find out how the nuances of the meaning of the word anjay in each tweet. From the k-fold cross validation process, the average accuracy result is 50%, the precision result is 59.2%, the recall result is 47.3%, and the f-measure result is 41.2%. The word anjay is found in phrases or nouns 252 tweets, verbs 232 tweets, adjectives 187 tweets, pronouns 32 tweets, numerals 16 tweets, prepositions 12 tweets, and adverbs 11 tweets. The word anjay is found in 350 tweets of declarative sentences, 283 exclamative tweets, 78 interrogative tweets, and 31 imperative tweets. The word anjay has various interjections, including; interjection of admiration, interjection of wonder, interjection of gratitude, interjection of surprise, interjection of hope, interjection of anger, interjection of curses, and interjection of hope. In terms of nuances of meaning using redundancy, the word anjay has no influence in a sentence. The word anjay serves as an affirmation of the core of a sentence.

Keywords: anjay; computatonal linguistic; text mining; twitter

PENDAHULUAN

Bahasa berfungsi sebagai sarana penunjang aktivitas, gagasan, ide, dan tingkah laku manusia. Setiap bentuk kehidupan manusia dapat diekspresikan ke dalam bahasa. Bahasa dalam penggunaannya sehari-hari bergantung pada pemakai dan situasi pemakaiannya. Karena kedua hal tersebut, berbagai variasi bahasa digunakan dalam berkomunikasi. Dalam komunikasi sehari-hari, ragam bahasa yang sering digunakan adalah ragam bahasa informal yaitu ragam bahasa santai dan akrab. Ragam bahasa ini merupakan ragam bahasa yang paling banyak dipahami dan dianggap mudah dimengerti ketika dipakai untuk berkomunikasi dalam kelompok penggunanya. Bahasa gaul atau bahasa slang sangat mudah 62

menyebar pada era modern karena, bahasa ini lebih banyak digunakan dalam media sosial. Media sosial merupakan sarana penyebaran yang paling cepat dengan capaian yang luas. Kaplan & Haenlein (2010:53) mengatakan bahwa media sosial sebagai sebuah kelompok aplikasi berbasis internet yang membangun atas dasar ideologi dan teknologi Web 2.0 dan memungkinkan penciptaan dan pertukaran user-generated content.

Pada pertengahan tahun 2020, Indonesia dihebohkan dengan larangan penggunaan kata anjay. Berawal dari uggahan seorang publik figur pada sosial media Youtube yang menjelaskan bahwa anjay berasal dari kata “anjing” yang memiliki makna negatif. Kemudian, organisasi diluar pemerintahan yang peduli terhadap anak yaitu Komisi Nasional Perlindungan Anak (Komnas PA) mengeluarkan surat edaran yang berisi tentang larangan penggunaan kata anjay. Namun, sesungguhnya penggunaan kata anjay tidak selalu bermakna negatif. Kata anjay dapat digunakan untuk mengungkapkan berbagai perasaan. Misalnya ungkapan rasa kagum seperti “bagus anjay” atau ketika sedang kesal dengan suatu hal seperti “jelek sekali anjay”. Dengan begitu, makna yang muncul bergantung pada konteks kalimatnya.

Sebagai media sosial, Twitter juga bersifat bebas dan tanpa dilengkapi dengan filter sehingga penggunaan kata anjay pada tweet yang menyebar pada media sosial Twitter dapat dipahami dengan berbagai sifat yaitu negatif, postif, atau netral. Filterisasi sebuah lesikon dalam media sosial dapat digunakan dengan analisys text mining. Salah satu jenis analisys text mining yang dapat digunakan untuk memfilter sebuah kata adalah sentiment analysis. Menurut Liu (2008), sentiment analysis (analisis sentimen) adalah studi komputasi untuk mengenali dan mengekspresikan opini, sentimen, evaluasi, sikap, emosi, subjektivitas, penilaian, atau pandangan yang terdapat pada suatu teks.

Kata anjay akan dianalisis menggunakan studi komputasi text mining untuk mengidentifikasi data, sedangkan studi linguistik dalam kajian sintaksis dan semantik digunakan untuk menganalisis makna kata setelah disaring oleh text mining. Menurut Ramlan (2005:19) sintaksis merupakan cabang ilmu bahasa yang membahas seluk beluk wacana. Satuan wacana tersebut terdiri dari kalimat, satuan kalimat terdiri dari klausa, klausa terdiri dari satuan unsur frasa, dan frasa terdiri dari satuan unsur kata. Dalam semantik, redundansi merupakan salah satu topik yang sejajar dengan topik lain seperti homonimi, sinonimi, antonimi, polisemi, dan hiponimi (Palmer, 1997). Oleh karena itu, redudansi kata-katanya dikaji dengan netral dan tidak dianalisis dengan parameter perspektif berupa vonis benar-salah, berlebihan-ekonomis.

Husa (2017) dalam penelitian yang berjudul “Bentuk dan Pemakaian Kata Slang Pada Media Sosial LINE” menjabarkan bagaimana bentuk, pemakaian dan pola pembentukan

slang Jakarta. Sumber data dalam penelitian ini adalah tuturan langsung dan tuturan tidak langsung dari para anggota komunitas Batavia Undip. Tujuan penelitian ini berkaitan dengan dua aspek yaitu aspek pertama adalah bentuk dasar dan bentuk turunan dan pemakaian slang. Aspek kedua adalah pola pembentukan slang. Pola pembentukan slang terdiri atas pola pembentukan slang berdasarkan: perubahan struktur fonolgis, proses abreviasi, pembentukan kata baru, dan kata pelesetan.

Penelitian lain yang memiliki objek dan memiliki landasan teori sama adalah penelitian yang pernah dilakukan oleh Goziyah dan Yusuf (2019) pada artikel berjudul “Bahasa Gaul (Prokem) Generasi Milenial dalam Media Sosial”. Tujuan penelitian Goziyah dan Yusuf adalah untuk mengungkap makna bahasa gaul atau prokem yang biasa digunakan oleh generasi milenial dalam media sosial.

Penelitian yang dilakukan oleh Maulana dan Redjeki (2016) dapat digunakan sebagai acuan dalam penelitian ini. Penelitian tersebut berjudul “Analisis Sentimen Pengguna Twitter Menggunakan Metode Support Vector Machine Berbasis Cloud Computing”. Penelitian ini adalah penelitian yang membuat sebuah sistem yang dapat melakukan analisis sentimen pengguna Twitter terhadap tokoh publik secara real time dengan menggunakan Twitter Streming API dan metode Support Vector Machine (SVM) dengan memanfaatkan pustaka libSVM sebagai salah satu machine learning untuk text classification. Algoritma Porter digunakan dalam proses stemming untuk ekstraksi fitur dan metode Term Frequency untuk pembobotan. Perangkat lunak dibangun dengan menggunakan bahasa pemrograman PHP untuk sisi server yang berjalan pada platform cloud Windows Azure sedangkan bahasa pemrograman Java digunakan untuk sisi client yang berjalan pada platform Android.

Harijanto (2019) melakukan penelitian dengan judul “Analisis Sentimen pada Twitter Menggunakan Multinominal Naive Bayes”. Penelitian yang dilakukan menjelang pemilu 2019 ini berfokus pada analisis sentimen Twitter terhadap tokoh publik menjelang pemilu 2019, yaitu Jokowi dan Prabowo dengan menggunakan metode Multinominal Naive Bayes. Kajian yang dilakukan Harijanto (2019) adalah untuk mengetahui bagaimana hasil uji akurasi sentimen dengan menggunakan k-Fold Cross Validation dan hasil uji akurasi sentimen ketika tidak menggunakan k-Fold Cross Validation.

Penelitian ini menggunakan data yang berasal dari Twitter dengan memanfaatkan Twitter API. Metode pengumpulan data yang digunakan penelitian ini adalah metode crawling dan catat. Metode crawling adalah sebuah proses yang menggunakan fitur mesin pencarian yang dapat mencari dan memindai konten yang berada pada situs web (laman) berupa artikel, produk, gambar, dan lain-lain. Crawling merupakan teknik mengumpulkan data pada sebuah website dengan memasukkan Uniform Resource Locator (URL).

Data yang dikumpulkan melalui proses crawling akan diproses menggunakan metode preprocessing. Tahap preprocessing data terbagi menjadi beberapa proses, yaitu: (1) proses tokenized adalah proses pemilahan data berupa kalimat atau frasa menjadi beberapa kata dan penghilangan tanda baca yang tidak mewakili isi dokumen; (2) Normalisasi adalah tahap mengubah bentuk kata tidak baku menjadi bentuk baku. Selain kata, angka juga diubah sesuai dengan kebutuhan kalimat atau frasa; (3) Filetring merupakan proses penghilangan kata-kata yang sering muncul, tetapi tidak memiliki pengaruh apapun dalam ekstraksi klasifikasi teks. Pada proses ini kata yang termasuk kata penunjuk waktu, kata tanya, dan kata sambung di-filter; (4) Tahap terakhir pada proses preprocessing adalah menghitung jumlah kata yang sering muncul agar dapat dipetakan pada word cloud. Word cloud (awan kata) atau sering disebut juga sebagai tag cloud merupakan representasi visual dari data teks. Word cloud biasanya dimanfaatkan untuk menggambarkan metadata kumpulan kata kunci atau keywords atau tags pada sebuah dokumen/website/situsweb, untuk memberikan visualisasi bentuk teks secara bebas.

Pemilihan data dalam analisis sintaksis dan semantik menggunakan teknik sampel purposif maksimum/heterogen. Sampel purposif maksimum/heterogen adalah sampel yang dipilih untuk memberikan beragam kasus yang relevan dengan fenomena atau peristiwa tertentu. Jenis sampel pada sampel heterogen ini bergantung atau berfokus pada penilaian dari peneliti untuk menyeleksi data yang beragam karakteristiknya (heterogen). Tujuan dari desain sampel semacam ini adalah untuk memberikan sebanyak mungkin wawasan ke dalam peristiwa atau fenomena yang sedang diteliti. Teknik sampel purposif maksimum/heterogen ini digunakan saat memilih data tweet untuk menganalisis sintaksis dan semantik.

Teknik PUP dilakukan pada ujaran yang telah ditemukan untuk membagi satuan leksem ke dalam kelas golongan kata atau frasa. Selanjutnya, teknik lanjutan yang digunakan dalam penelitian ini ialah teknik hubung banding menyamakan hal pokok, dimana alatnya masing-masing menggunakan daya banding menyamakan daya banding memperbedakan, dan daya banding menyamakan hal pokok (Sudaryanto, 2015:28). Teknik ini dilakukan pada ujaran baru bahasa Indonesia guna untuk menemukan satuan leksem (ujaran) dengan faktor penentu dan daya banding di luar bahasa.

HASIL PEMBAHASAN

Klasifikasi Naïve Bayes

Data yang telah diolah pada tahap preprocessing dan labeling, tersisa 745 tweet dari 805 yang didapat saat proses crawling. Data tersebut berkurang karena beberapa tweet yang sama

(RT/Re Tweet) dan tweet tidak tersimpan secara utuh dihilangkan. Hasil data tersebut akan diolah kembali untuk menghasilkan model probabilitas dan menguji akurasi.

K-Fold Cross Validation adalah salah satu dari jenis pengujian cross validation yang berfungsi untuk menilai kinerja proses sebuah metode algoritma dengan membagi sampel data secara acak dan mengelompokkan data tersebut sebanyak nilai K k-fold.

Pengujian menggunakan data yang sudah dipartisi akan diulang sebanyak lima kali (k=5) dengan posisi data tes berbeda disetiap iterasinya. Misalkan iterasi pertama data tes pada posisi awal, iterasi kedua data tes di posisi kedua begitu seterusnya. Dari 745 data tweet tersebut, akan dibagi menjadi lima fold dan berisi 149 data tweet pada tiap-tiap fold. Berikut

hasil

Fold

Accuracy (%)

Precision (%)

Recall (%)

I

54

60

50

∏

50

61

47,5

III

47

61,5

46,5

IV

52

53,5

47

V

48

60

45,5

RR

50

59,2

47,3

pengujiannya:

No

User

Tweet

Sentimen

1

Siqbalfalmiis

Hawanya gerah bgt anjay.

Negatif

2

SRlilmimmi

SHelmyZiilketli

Anjay lambat

Positif

3

Slaksvamana

@cutliee Cakep bgt anjay

Positif

4

Srorentz

SjCNNIndoiiesia

goblok anjay

Negatif

5

SFeelReputatioii

anjay 5 like wbrsa artis

Positif

STRUKTUR KALIMAT

Berdasarkan hasil analisis struktur kalimat data tweet, kata anjay ditemukan pada klausa yang hanya menunjukkan sebagian struktur klausa ditandai oleh kehadiran predikat bersama dengan unsur tataran klausa yang lain yang wajib atau “opsional” dalam konstruksi. Kata anjay bergabung dengan kata atau frasa seperti verba, nomina, pronomina, dan lainnya. Klausa tersebut memiliki sentiment yang berbeda-beda. Berikut contoh data tweet yang dipilih menggunakan teknik PUP berdasarkan jenis frasa atau kata yang bergabung dengan kata anjay.

  • 1.    Data tweet pertama jika diubah menjadi bentuk baku menjadi Sialan! hawanya

gerah sekali. Kata anjay pada data tweet tersebut bergabung dengan frasa nomina “hawanya gerah sekali”. Kata anjay pada data tweet tersebut membangun konstruksi kalimat dengan predikat berupa frasa adjektiva gerah sekali dengan subjek yang diisi oleh frasa nomina hawanya dan ditambahkan kata anjay yang disepadankan dengan kata sialan sebagai bentuk kekesalan. Kata anjay tidak berada dalam sebuah fungsi kalimat, tetapi berfungsi sebagai kata tugas yang berupa artikel.

  • 2.    Pada data tweet yang diunggah oleh akun @Rhhmmnn memperlihatkan bahwa

konstruksi kalimat yang dibangun adalah konstruksi kalimat tidak lengkap yang hanya terdiri atas predikat berupa adjektiva lambat, sedangkan kata anjay pada konstruksi tersebut berfungsi sebagai kata tugas yang menyatakan aduh. Pada konstruksi ini dapat dikatakan bahwa kata anjay bergabung dengan kelas kata adjektiva lambat dalam membangun kalimat.

  • 3.    Data tweet ketiga yang diunggah oleh akun @laksvamana jika diubah menjadi

bentuk baku menjadi wah, cantik sekali. Kata anjay bergabung dengan frasa adjektiva yaitu cantik sekali. Kata anjay menyebabkan frasa adjektiva tersebut membangun sebuah kalimat yang berpredikat adjektiva. Mengapa demikian, karena anjay yang berfungsi sebagai kata tugas memarkahi frasa adjektiva.

  • 4.    Kata anjay pada data twet keempat diunggah oleh akun @rorentz. Kata anjay

menyebabkan frasa adjektiva tersebut membangun sebuah kalimat yang berpredikat adjektiva. Pada data tweet ini kata anjay disepadankan dengan kata sekali dan bergabung dengan kelas kata adjektiva yaitu bodoh dan menjadi sebuah kalimat intransitif yaitu bodoh sekali.

  • 5.    Data tweet ke-lima diunggah oleh @FeelReputation. Data tweet tersebut membangun

sebuah kalimat transitif yang jika diubah dalam bentuk baku akan menjadi “asik dapat lima like! saya merasa seperti artis”. Perubahan menjadi bentuk baku memunculkan kelas kata verba yaitu dapat dan dilanjutkan dengan frasa numeralia yaitu “lima like”.

Jenis Kalimat Dilihat dari Bentuk Sintaksisnya

Dilihat dari bentuk sintaksisnya, kalimat dapat dibagi atas (1) kalimat deklaratif, (2) kalimat interogatif, (3) kalimat imperatif, dan (4) kalimat eksklamatif.

  • 1.    Kalimat deklaratif juga dikenal sebagai kalimat berita, dalam pemakaian bahasa bentuk kalimat deklaratif umumnya digunakan oleh pembicara atau penulis untuk membuat pernyataan sehingga isinya merupakan berita bagi pendengar atau pembacanya. Kalimat berita dapat berupa bentuk kalimat apa saja asalkan isinya merupakan pemberitaan. Semua beban hidup, ujian praktek, ujian sekolah, asesmen standar pendidikan daerah sudah selesai anjay, tinggal menunggu kelulusan. (Sentimen Positif)

  • 2.    Kalimat imperatif adalah Perintah atau suruhan dan permintaan jika ditinjau dari isinya. Guys ayo berdonasi Youtube iklan, biar cepat seratus miliar penontonnya anjay. (Sentimen Netral).

  • 3.    Kalimat interogatif juga dikenal dengan nama kalimat Tanya, secara formal

ditandai oleh kehadiran kata Tanya seperti apa, siapa, berapa, kapan, dan bagaimana. Anjay aku pengikut favorit kah? (Sentimen Netral) Hah siapa anjay? Masih permasalahin penggemar. (Sentimen Negatif)

  • 4.    Kalimat eksklamatif juga dikenal sebagai kalimat seru, secara formal ditandai dengan alangkah, betapa, atau bukan main. Kalimat eksklamatif juga disebut sebagai kalimat interjeksi biasa dinyatakan untuk menyebut kekaguman atau heran. Anjay bila kece. (Sentimen Positif)

Pola Kalimat

Berdasarkan hasil analisis pada bab di atas, kata anjay dapat disepadankan dengan salah satu jenis kata tugas yaitu interjeksi dan juga dapat menjadi pemarkah untuk mengungkapkan/menegaskan situasi yang dinyatakan kalimat. Pada bab ini beberapa data tweet pada bab sebelumnya akan dianalisis pola kalimatnya dengan menyepadankan kata anjay dengan fungsinya sebagai interjeksi dan pemarkah lainnya.

  • 1.    Kalimat Majemuk

  • (1)    Tweet. : Anjay keren banget, aku jawab pertanyaan.

Struktur : Wah,     aku keren banget, aku bisa jawab pertanyaan.

Interjeksi          S    P         S      PO

  • (2)    Tweet: Anjay hari terakhir ujian tengah semester, cepet selesai biar agak tenang hidup aku.

Struktur: Alhamdulillah, hari terakhir ujian tengah semester,

InterjeksiS

cepat selesai biar tenang hidup aku.

P      Konj. PP

  • 2.    Kalimat Tunggal

  • (1)    Tweet: Anjay ketua umum baru nih.

Struktur: Asik, umum baru nih.

Interj S P Pm

  • (2)    Tweet: Anjay halo finn.

Struktur: Hai, halo Finn.

Interj KT     S

  • 4.2 Nuansa Makna

    4.3.1    Fungsi Kata Anjay

Kata anjay dalam konstruksi kalimat yang terdapat dalam tweet memperlihatkan memiliki dua fungsi yaitu sebagai pemarkah kalimat dan interjeksi. Ketika menjadi interjeksi, katagori kata anjay sangat jelas masuk ke dalam kata tugas. Namun, ketika menjadi pemarkah kalimat, katagori kata anjay ini tidak jelas.

Kata anjay yang muncul pada awal kalimat merupakan kata yang dapat dikatagorikan sebagai interjeksi, sedangkan kata anjay yang berada di tengah atau di akhir kalimat tidak dapat digolongkan sebagai interjeksi. Dengan demikian, kata tugas tersebut diberi nama sebagai pemarkah kalimat karena berfungsi untuk memarkahi kalimat yang dapat mengacu pada makna positif maupun negatif. Dengan demikian, dalam kajian ini ada satu konsep baru yang dihadirkan untuk memaknai kata anjay. Berikut adalah uraian fungsi kata anjay dalam tweet.

Pemarkah Kalimat

Kata anjay dapat juga menjadi pemarkah dalam kalimat deklaratif, imperatif, eksklamasif, dan interogatif. . Dalam fungsinya sebagai pemarkah kalimat deklaratif, imperatif, dan interogatif, letak kata anjay dapat di awal, di tengah, maupun diakhir kalimat. Dalam tweet, kalimat-kalimat yang ditulis sering kali tidak memenuhi aturan sehingga pemarkah atau penanda kalimat deklaratif berupa tanda titik atau huruf kapital sebagai huruf pertama tidak muncul, demikian juga pada kalimat interogatif, deklaratif, dan eksklamasif. Pemarkah yang berupa tanda tanya pada kalimat tanya dan tanda seru pada kalimat deklaratif dan eksklamasif tidak ada. Berikut adalah fungsi kata anjay dalam kalimat.

  • 1.    Mampus lah, hari raya bertahan di rumah lagi anjay.

  • 2.    Lucu banget lihat lovebirds tiga bulanan, sangat bahagia anjay.

  • 3.    Walah anjay kirain dalam proses wkwkw.

  • 4.    Aku juga baru nemu yang seperti ini, biasanya diskip anjay karena aku tidak

jelas.

  • 5.    Ini apa anjay? bisa beli vespa metik.

Interjeksi

Interjeksi atau kata seru adalah kata tugas yang mengungkapkan rasa hati pembicara. Kata anjay dapat mengunkapkan berbagai rasa hati baik itu bersifat positif seperti rasa kagum atau bersifat negatif seperti ungkapan makian. Berikut adalah beberapa fungsi interjeksi pada kata anjay.

  • 1.    Interjeksi Kagum : Anjay keren banget, aku jawab pertanyaan.

  • 2.    Interjeksi Syukur : Semua beban hidup, ujian praktek, ujian sekolah, asesmen

standar pendidikan daerah sudah selesai anjay, tinggal menunggu kelulusan.

  • 3.    Interjeksi Panggilan : Ini si anjay baju merah tandatangan tidak nih, kalau aku sih

bakal lanjut hukum untuk yang baju merah ini.

  • 4.    Interjeksi Heran : Anjay jadi mirip mia khalifa aku kalau memakai kacamata.

  • 5.    Interjksi Kaget : Anjay ini akun masih hangat, semalam baru netas ehh sudah segini

aja yang blok anjrott.

  • 6.    Interjeksi Makian : Anjay baru jadi pengurus mesjid aja sudah hebat begini

cocotnya untung dikasih hidup miskin dan susah.

  • 7.    Interjeksi Harapan : Cepat sembuh anjay, ya allah.

  • 8.    Interjeksi Kesal : Aku ikut give away seumur-umur cuma menang sekali anjay,

tidak bisa berpikir jernih aku.

  • 9.    Interjeksi Ajakan : Anjay silahkan dicoba dan rasakan sensasinya.

Sentimen Kata Anjay

Berdasarkan hasil analisis redundansi kata anjay memiliki pengaruh makna pada sentimen positif, negatif, maupun netral jika tidak ada kata, frasa, atau klausa yang juga memiliki makna yang sama dengan kata anjay tersebut. Agar mudah dipahami, kata anjay akan disepadankan dengan interjeksi sesuai dengan sentimen kalimatnya. Berikut contoh kata anjay yang beserta pembahasan interjeksinya.

  • 1.    Sentimen Negatif

  • a.    Uangnya ada yang dipakai untuk membeli barang lain. memangnya kenapa sih, duit-duit aku anjay.

Pembahasan:

Pada data tweet di atas jika kata anjay jika disepadankan dengan interjeksi dan diubah dalam bentuk kalimat yang umum digunakan dan dipahami penutur akan menjadi Uangnya ada yang dipakai untuk membeli barang lain. memangnya kenapa sih, duit-duit aku ih. Kata anjay pada tweet tersebut dapat diredundansi karena terdapat leksikon “sih” yang sudah menunjukkan rasa kesal.

  • b.    Anjay sudah punya muka masih cari muka.

Pembahasan:

Data tweet kedua memiliki makna menyindir dan kesal terhadap suatu hal. Kata anjay pada data tweet tersebut jika disepadankan dengan interjeksinya dan diubah dalam bentuk kalimat akan menjadi ih sudah punya muka masih cari

muka. Jika kata anjay pada tweet tersebut diredundasi maka data tweet tersebut hanya bermakna sindiran saja dan tidak memiliki rasa kesal terhadap suatu hal.

  • 2.    Sentimen Positif

  • a.    Semua beban hidup, ujian praktek, ujian sekolah, asesmen standar pendidikan daerah sudah selesai anjay, tinggal menunggu kelulusan.

Pembahasan:

Pada data tweet diatas, kata anjay memiliki makna rasa puas dan lega terhadap apa yang sudah pembuat tweet lalui yaitu hal yang berkaitan dengan ujian pendidikannya. Kata anjay pada data tweet tersebut jika diubah sesuai dengan interjeksinya akan menjadi Semua beban hidup, ujian praktek, ujian sekolah, asesmen standar pendidikan daerah sudah selesai huh, tinggal menunggu kelulusan. Apabila kata anjay dihilangkan maka tweet tersebut hanyalah kalimat deklaratif biasa namun tidak mengubah informasi yang ingin disampaikan.

  • b.    Anjay kita sudah sampai dititik ini gaiseu, sayang kalian banyak. tetep disini yah jangan kemana mana.

Pembahasan:

Pada data tweet kedua memiliki interjeksi heran. Kata anjay pada tweet jika disepadankan kemudian diubah dalam bentuk baku maka akan menjadi tidak ku sangka kita sudah sampai dititik ini kawan, sayang kalian banyak. tetep disini yah jangan kemana mana. Maka dari itu kata anjay pada data tweet tersebut tidak dapat diredundansi atau dihilangkan.

SIMPULAN

Hasil klasifikasi naïve bayes pada proses k-fold cross validation menghasilkan rata-rata akurasi sebesar 50%, hasil precision sebesar 59,2%, hasil recall sebesar 47,3%, dan hasil f-measure sebesar 41,2%. Hasil tersebut bisa dikatakan cukup rendah karena adanya kendala pada sistem dalam memahami sentimen. Semua data tweet yang digunakan memiliki leksikon anjay. Leksikon ini dibagi menjadi tiga sentimen yaitu sentimen negatif, positif, dan netral. Hal ini dapat mempengaruhi tingkat akurasi sistem, sehingga mengakibatkan kinerja sistem tidak berjalan maksimal.

Pada kajian sintaksis, kata anjay ditemukan pada frasa atau kata nomina 252 tweet, verba 232 tweet, adjektiva 187 tweet, pronomina 32 tweet, numeralia 16 tweet, preposisi 12 tweet, dan adverbia 11 tweet. Kata anjay juga ditemukan pada jenis kalimat deklaratif 350 tweet, eksklamatif 283 tweet, interogatif 78 tweet, dan imperatif 31 tweet. Kata anjay tersebut memiliki berbagai interjeksi, antara lain; interjeksi kagum, interjeksi heran, interjeksi syukur,

interjeksi kaget, interjeksi harapan, interjeksi kesal, interjeksi makian, dan interjeksi harapan. Sedangkan kata anjay ditinjau dari segi nuansa makna menggunakan redundansi, kata anjay tidak memiliki pengaruh dalam sebuah kalimat. Kata anjay berfungsi sebagai penegas dari inti sebuah kalimat.

UCAPAN TERIMA KASIH

Puji dan syukur penulis sampaikan kepada Allah SWT, berkat rahmat-Nya penulis dapat menyelesaikan jurnal ini. Penulis menyampaikan terima kasih kepada Dr. Made Sri Satyawati, S.S., M.Hum. dan Dr. Nyoman Putra Sastra, S.T., M.T. selaku pembimbing skripsi dari penulis, yang telah sabar membimbing penulis sehingga dapat menyelesaikan skripsi dan jurnal skripsi.

DAFTAR PUSTAKA

Bing, Liu. 2012. “Sentiment Analysis and Opinion Mining”. Diakses dari

https://www.morganclaypool.com/doi/abs/10.2200/S00416ED1V01Y201204HLT016.

Goziyah, dan Maulana Yusuf. 2019. “Bahasa Gaul (Prokem) Generasi Milenial dalam Media Sosial”. Tangerang: Universitas Muhammadiyah Tangerang.

Harijanto, Servasius Dwi. 2019. Analisis Sentimen Pada Twitter Menggunakan

Multinominal Naive Bayes. Yogyakarta: Universitas Sanata Dharma.

Husa, Shoula Maharani. 2017. “Bentuk dan Pemakaian Kata Slang Pada Media

Sosial Line (Akun Batavia Undip)”. Semarang: Universitas Negeri Diponegoro.

Kaplan, Andreas & Michael HaenLein. 2010. “User Of The World, Unite! The Challenges and Opportunities Of Social Media”. Business Horizons:Kelley School of Business, Indiana University.

Maulana, Rizky dan Sri Redjeki. 2016. Analisis Sentimen Pengguna Twitter Menggunakan Metode

Support Vector Machine Berbasis Cloud Computing. Yogyakarta: STIMIK AKAKOM. Palmer, F.R. 1997. Semantics: A New Outline. Cambridge: Cambridge University Press. Ramlan. 2005. “Ilmu Bahasa Indonesia: Sintaksis” .Yogyakarta: CV Karyono.

Sudaryanto. 2015. Metode dan Aneka Teknik Analisis Bahasa. Yogyakarta: Sanata Dharma

University Press

PROFIL PENULIS

Yusuf Parri Akbar adalah mahasiswa sastra Indonesia Fakultas Ilmu Budaya yang mengambil konsentrasi linguistik. Pada jurnal ini beliau dibimbing oleh Dr. Made Sri Satyawati, S.S., M.Hum. dan Dr., Nyoman Putra Sastra, S.T., M.T.

Dr. Made Sri Satyawati, S.S., M.Hum. mendapat gelar sarjana (S1) pada Program Studi Bahasa dan Sastra Indonesia Fakultas Sastra Universitas Udayana tahun 1993. Karena mendapat beasiswa Tunjangan Ikatan Dinas, tahun 1994 diangkat menjadi dosen tetap di almamaternya. Tahun 1997 melanjutkan studi S2 di Jurusan Ilmu-Ilmu Sastra Universitas Padjadjaran Bandung dan menyelesaikan studi tahun 1999. Pada tahun 2004 melanjutkan studi S3 di Program Studi Ilmu Linguitik Pascasarjana Universitas Udayana dan menyelesaikan studinya tahun 2010. Menjabat sebagai sekretaris Program Studi Ilmu Linguistik PPs Unud tahun 2011 sampai 2014. Menjabat sebagai Sekretaris Program S3 Ilmu Linguistik dari tahun 2016 s.d. 2017. Mulai tahun 2018 menjabat sebagai Ketua Program S2 Ilmu Linguistik Universitas Udayana sampai sekarang. Sejak 2019--2023 menjabat Dekan FIB Universitas Udayana.

74