Abstract:
Pesatnya teknologi ditengah kehidupan masyarakat saat ini membuat banyak
sekali masyarakat menggunakan media sosial untuk berinteraksi, salah satunya adalah
Twitter dengan jumlah kurang lebih 63 juta pengguna di Indonesia. Dalam media
sosial Twitter, terdapat fitur yang mempermudah masyarakat dalam menerima kabar
berita yang sedang populer yaitu trending topics dan bisa memberikan komentar secara
langsung. Peraturan pemerintah yang melarang masyarakat melakukan mudik lebaran
pada tahun 2021 menimbulkan banyak pro dan kontra di masyarakat, maka dari itu
dilakukan penelitian mengenai bagaimana sentimen terhadap larangan mudik lebaran
tersebut. Analisis sentiment adalah teknik yang merupakan analisa studi komputasi
mengenai pendapat dan emosi seseorang pada individu, kejadian ataupun topik yang
sedang dibahas dimana salah satu metodenya yaitu Backpropagation Neural Network
(BNN) sedangkan untuk pembobotannya digunakan metode Term Frequency-Inverse
Document Frequency (TF-IDF). Salah satu bentuk data yang dapat digunakan dalam
Analisis Sentimen yaitu Data tweet yang berisi komentar terhadap larangan mudik
lebaran Tahun 2021 pada media sosial Twitter sebanyak 3.000 data yang kemudian
setelah melalui proses preprocessing diambil 2.000 data dengan masing – masing
1.000 data dengan class Positif dan Negatif. Data kemudian dibobotkan menggunakan
metode pembobotan TF-IDF, lalu dilakukan klasifikasi sentimen menggunakan
metode BNN. Pada hasil pengujian parameter learning rate 0,1, 0,2, 0,3, 0,4 dan 0,5,
diperoleh nilai akurasi terbaik pada saat menggunakan learning rate 0,1 dengan
akurasi sebesar 82,95%.
