Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia

  • Lanny Septiani Student
  • Yuliant Sibaroni

Abstract

Sarkasme dapat mengubah polaritas kalimat dari positif atau negatif menjadi sebaliknya. Sementara senti-men analisis pada sosial media sudah banyak dimanfaatkan, tetapi masih jarang sekali ditemukan sentimen analisis yang mempertimbangkan pendeteksian sarkasme didalamnya. Hal ini tentu akan mempengaruhi kualitas dari hasil analisis. Percobaan mengenai sentimen analisis dengan pendeteksian sarkasme lebih sering ditemukan pada penggunaan bahasa Inggris. Oleh karena itu, dengan mengacu pada penelitian yang dilakukan pada tweet berbahasa Inggris, pada penelitian ini kami menganalisa sentimen analisis bernada sarkasme pada Tweet berbahasa Indonesia dengan menggunakan fitur interjeksi dan unigram sebagai fitur utama oendeteksi kalimat sarkasme serta membandingkan 2 metode klasifikasi yaitu Naive Bayes dan Support Vector Machine dengan kernel polinomial. Fitur interjeksi menyatakan fitur yang memuat kata-kata yang mengungkapkan perasaan dan maksud seseorang, sedangkan fitur unigram merupakan kumpulan kata tunggal yang diperoleh dari korpus secara otomatis. Hasil eksperimen menunjukkan penggunaan fitur interjeksi dan unigram sebagai pendeteksian sarkasme pada tweet berbahasa Indonesia mampu meningkatkan akurasi dengan rata-rata kenaikan akurasi lebih dari 8% untuk classifier Naive Bayes dan lebih dari 13% untuk classifier Support Vector Machine dibandingkan hanya menggunakan fitur unigram saja. Hasil lainnya adalah akurasi terbaik adalah metode Naive Bayes dengan akurasi terbaik yang diperoleh mencapai lebih dari 91.

References

E. Riloff, A. Qadir, P. Surve, L. De Silva, N. Gilbert, and R. Huang, “Sarcasm as Contrast between a Positive Sentiment and Negative Situation,” no. Emnlp, 2013.
[2] C. V. S. Despoina Antonakaki , Dimitris Spiliotopoulos, P. Pratikakis, S. Ioannidis, and P. Fragopoulou, “Social media analysis during political turbulence,” e. PLoS ONE 12(10) e0186836, pp. 1–23, 2017.
[3] Edwin Lunando and A. Purwarianti, “Indonesian social media sentiment analysis with sarcasm detection,” in International Conference on Advanced Computer Science and Information Systems (ICACSIS), 2013, pp. 195–198.
[4] D. Maynard and M. A. Greenwood, “Who cares about sarcastic tweets ? Investigating the impact of sarcasm on sentiment analysis.”
[5] A. Rajadesingan, R. Zafarani, and H. Liu, “Sarcasm Detection on Twitter : A Behavioral Modeling Approach,” 2015.
[6] F. Prawira and K. Mustofa, “Pengaruh Pendeteksian Sarkasme Terhadap Ukuran Kualitas Analisis Sentimen Pada Twitter,” Universitas Gadjah Mada, 2017.
[7] N. Monarizqa, L. E. Nugroho, and B. S. Hantono, “Penerapan Analisis Sentimen Pada Twitter Berbahasa Indonesia Sebagai Pemberi Rating,” Electron. Thesis Disertation(ETD) Gadjah Mada Univ., vol. 1, pp. 151–155, 2014.
[8] A. Sianipar, “Affective Meaning , Concreteness , and Subjective Frequency Norms for Indonesian Words,” no. December, 2016.
[9] T. A. Le and D. Moeljadi, “Sentiment Analysis for Low Resource Languages : A Study on Informal Indonesian Tweets,” pp. 123–131, 2016.
[10] M. Bouazizi and T. O. Ohtsuki, “Pattern-Based Approach for Sarcasm Detection on Twitter,” IEEE Access, vol. 4, pp. 5477–5488, 2016.
[11] S. Wang and C. Manning, “Baselines and Bigrams: Simple, Good Sentiment and Topic Classification,” Proc. 50th Annu. Meet. Assoc. Comput. Linguist., vol. 94305, no. July, pp. 90–94, 2012.
[12] S. Wayan, Ni Saraswati, “Naïve Bayes Classifier Dan Support Vector Machines Untuk Sentiment Analysis,” Semin. Nas. Sist. Inf. Indones., pp. 2–4, 2013.
[13] Y. Sibaroni, D. H. Widyantoro, and M. L. Khodra, “Extend relation identification in scientific papers based on supervised machine learning,” in 2016 International Conference on Advanced Computer Science and Information Systems, ICACSIS 2016, 2017.
[14] Y. Murakami and K. Mizuguchi, “Applying the Naïve Bayes classifier with kernel density estimation to the prediction of protein – protein interaction sites,” vol. 26, no. 15, pp. 1841–1848, 2010.
[15] D. Park and C. Blake, “Identifying comparative claim sentences in full-text scientific articles,” Proc. 50th Annu. Meet. Assoc. Comput. Linguist., no. July, pp. 1–9, 2012.
[16] M. Allahyari, E. D. Trippe, and J. B. Gutierrez, “A Brief Survey of Text Mining : Classification , Clustering and Extraction Techniques,” 2017.
Published
2019-09-30
How to Cite
SEPTIANI, Lanny; SIBARONI, Yuliant. Sentiment Analysis Terhadap Tweet Bernada Sarkasme Berbahasa Indonesia. Jurnal Linguistik Komputasional, [S.l.], v. 2, n. 2, p. 62 - 67, sep. 2019. ISSN 2621-9336. Available at: <http://inacl.id/journal/index.php/jlk/article/view/23>. Date accessed: 22 nov. 2019. doi: https://doi.org/10.26418/jlk.v2i2.23.
Section
Articles