Analisis Sentimen berbasis Lexicon dan Social Network Analysis terhadap Topik RUU TNI pada Media Sosial X
DOI:
https://doi.org/10.30812/corisindo.v1.5455Keywords:
Analisis Sentimen, InSet, Lexicon-Based, Analisis Jaringan Sosial, RUU TNIAbstract
Penelitian ini menganalisis opini publik dan interaksi pengguna media sosial X terhadap topik Rancangan Undang-Undang Tentara Nasional Indonesia (RUU TNI). Penelitian ini menggabungkan pendekatan Lexicon-Based Sentiment Analysis menggunakan kamus InSet dan Social Network Analysis berbasis relasi mention antar pengguna. Data sebanyak 8.871 tweet berbahasa Indonesia dikumpulkan dari Zenodo. Hasil analisis sentimen menunjukkan dominasi sentimen negatif (47,9%), diikuti oleh sentimen netral (34,4%) dan positif (17,7%). Akun seperti @jannahseeker99 dan @anjinxkampunx memiliki out-degree tertinggi sebagai penyebar opini aktif. Namun, tidak ditemukan node dengan betweenness centrality tinggi, menunjukkan jaringan percakapan yang tersebar tanpa pusat dominan. Penelitian ini memberikan gambaran komprehensif mengenai respons publik digital terhadap isu kebijakan nasional, serta mengidentifikasi aktor-aktor penting dalam penyebaran opini di media sosial.
References
[1] C. Belva Chatlina, A. Mulyana, and M. Amelia, “Sosial Dalam Keluarga,” J. Ilmu Sosiol., vol. 7, no. 1, pp. 19–38, 2024, [Online]. Available: https://ojs3.unpatti.ac.id/index.php/komunitasKOMUNITAS:JURNAL
[2] L. Anggraini and S. Mardiana, “Penggunaan Media Sosial @Collegemenfess terhadap Pemenuhan Kebutuhan Informasi Mengenai Perkuliahan bagi Followers,” Indones. Soc. Sci. Rev., vol. 3, no. 1, pp. 33–42, 2025, doi: 10.61105/issr.v3i1.139.
[3] M. S. Quddus and F. M. Firdaus, “Dualisme peran tni: bagaimana uu tni baru memperkuat atau melemahkan prinsip supremasi sipil dan tata kelola pemerintahan?,” J-CEKI J. Cendekia Ilm., vol. 4, no. 4, pp. 464–473, 2025.
[4] S. R. Utami, R. N. Safitri, and Y. A. Kuncoroyakti, “Network Analysis and Actors #CancelOmnibusLaw on Twitter Social Media Using Social Network Analysis (SNA),” JCommsci - J. Media Commun. Sci., vol. 4, no. 3, pp. 135–148, 2021, doi: 10.29303/jcommsci.v4i3.111.
[5] T. T. Widowati and M. Sadikin, “Analisis Sentimen Twitter terhadap Tokoh Publik dengan Algoritma Naive Bayes dan Support Vector Machine,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 11, no. 2, pp. 626–636, 2021, doi: 10.24176/simet.v11i2.4568.
[6] N. Romdlon and M. Adi, “Analisis Sentimen Netizen Twitter Menggunakan Social Network Analysis terhadap Penyelesaian Kasus Penghinaan Eko Kuntadhi kepada Ning Imaz,” Mu’tamad, vol. 1, no. 1, pp. 689–715, 2022.
[7] A. R. Ismail and Raden Bagus Fajriya Hakim, “Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter,” Emerg. Stat. Data Sci. J., vol. 1, no. 1, pp. 37–46, 2023, doi: 10.20885/esds.vol1.iss.1.art5.
[8] N. A. R. Putri, “Analisis Jaringan pada Media Sosial X dengan# Boikot Menggunakan Social Network Analysis,” IJITECH Indones. J. Inf. …, vol. 01, pp. 1–5, 2024, [Online]. Available: https://ojisnu.isnuponorogo.org/index.php/ijitech/article/view/79%0Ahttps://ojisnu.isnuponorogo.org/index.php/ijitech/article/download/79/57
[9] A. Abdullah Muttaqin, S. Alam, and M. Andayani Komara, “Analisis Sentimen Isu Kecurangan Pemilu 2024 Berdasarkan Opini Pada Media Sosial Twitter Menggunakan Metode Crisp-Dm Dengan Algoritma Naïve Bayes Classifier,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 5, pp. 8764–8772, 2024, doi: 10.36040/jati.v8i5.10821.
[10] M. Undap, V. P. Rantung, and P. T. D. Rompas, “Analisis Sentimen Situs Pembajak Artikel Penelitian Menggunakan Metode Lexicon-Based,” Jointer - J. Informatics Eng., vol. 2, no. 02, pp. 39–46, 2021, doi: 10.53682/jointer.v2i02.44.
