Implementasi Metode Natural Language Processing Dalam Studi Analisis Semantik Dan Emosi Buzzer Pada Tweet Di Aplikasi X

Abstract

Implementasi Metode Natural Language Processing (NLP) telah menjadi kunci dalam studi analisis semantik dan emosi terhadap tweet buzzer di aplikasi X. Penelitian ini bertujuan untuk mengungkap pola-pola kata dan ekspresi emosi yang muncul dalam konteks diskusi politik dan sosial di media sosial.   Pada tahap pengantar, penelitian ini menjelaskan signifikansi penggunaan NLP dalam mengurai bahasa natural dari tweet buzzer, yang sering kali menjadi cerminan opini publik terhadap kebijakan politik dan tokoh-tokoh terkait. Metode yang digunakan meliputi pengumpulan data tweet selama periode tertentu, pengolahan teks untuk menghilangkan noise seperti emotikon dan simbol, serta penerapan teknik NLP seperti tokenisasi, stemming, dan analisis sentimen untuk mengidentifikasi pola-pola yang relevan.  Hasil pembahasan menunjukkan bahwa kata-kata semantik positif seperti "baik", "mendukung", dan "kompeten" sering muncul dalam tweet dengan sentimen positif, sementara kata-kata negatif seperti "kecewa", "tidak setuju", dan "kurang baik" dominan dalam tweet dengan sentimen negatif. Analisis emosi juga mengungkapkan variasi ekspresi emosi seperti kegembiraan, kekecewaan, dan kemarahan dalam respons terhadap isu-isu politik tertentu.