Klasifikasi Sentimen Radikalisme dalam Konten Dakwah Radikal Indonesia melalui Media Sosial Twitter dengan Menggunakan Analisis Sentimen dan Text Mining
(1) UIN Antasari Banjarmasin
(2) UIN Antasari Banjarmasin
(3) UIN Antasari Banjarmasin
(*) Corresponding Author
Sari
Kementerian Komunikasi dan Informatika (Kemenkominfo) Indonesia menyatakan bahwa jumlah pengguna internet di Indonesia pada tahun 2019-2020 mencapai 196,7 juta orang. Dari jumlah tersebut, 95% pengguna menggunakan internet untuk mengakses jejaring media sosial seperti Twitter, Instagram, Facebook, dan lain-lain. Peningkatan ini juga dipengaruhi oleh periode pandemi yang dialami di seluruh dunia, terutama di Indonesia, di mana Pemerintah Presiden Jokowi menetapkan aturan sosial di masyarakat. Hampir semua aktivitas dilakukan di rumah, terutama di bidang pendidikan, sehingga menyebabkan peningkatan besar dalam akses internet. Aktivitas besar dalam akses internet, terutama media sosial, memudahkan pengguna untuk mengakses informasi dan berbagi informasi ini dengan siapa pun kapan saja. Hal ini dapat dimanfaatkan oleh pihak-pihak yang tidak bertanggung jawab untuk menyebarkan informasi yang dapat menyebabkan hal-hal negatif dan bahkan provokasi terhadap pengguna lain di media sosial, terutama di media sosial Twitter. Di media sosial Twitter terdapat fenomena yang dikenal sebagai "buzzer," yaitu pengguna media sosial yang berdampak pada pengguna lainnya. Platform seperti media sosial Twitter digunakan oleh pihak-pihak tertentu untuk membentuk kelompok-kelompok kebencian, komunitas rasialis yang menyebarkan ide-ide ekstremis dan menimbulkan kemarahan atau kekerasan, mempromosikan radikalisasi, merekrut anggota, dan menciptakan organisasi virtual untuk melakukan aksi teror yang terorganisir melalui dunia maya. Terkait konten dalam media online yang telah mendapat perhatian cukup bersama dengan berbagai insiden yang menyebabkan intoleransi dalam kehidupan masyarakat, merupakan masalah konten radikal yang melahirkan radikalisme dalam masyarakat. Dalam penelitian ini, kami mencoba metode Text Mining menggunakan Analisis Sentimen untuk mendeteksi arah sentimen radikalisme guna mengklasifikasikan dan mendeteksi konten yang mengandung radikalisme. Klasifikasi konten radikal dengan metode dalam penelitian ini berjalan dengan baik, sebagian besar data konten diklasifikasikan sesuai dengan sistem klasifikasi dengan akurasi sebesar 66,37%.
Teks Lengkap:
PDFReferensi
I. Agama, I. Negeri, dan I. Mataram, "Islam Fundamentalis sebagai Fenomena Politik," no. 15, hlm. 264–274, 2012.
N. Chaurasia dan A. Tiwari, "Efficient Algorithm for Destabilization of Terrorist Networks," International Journal of Information Technology and Computer Science, vol. 5, no. 12, hlm. 21–30, 2013. [Online]. Tersedia: https://doi.org/10.5815/ijitcs.2013.12.03
D. Correa dan A. Sureka, "Solutions to Detect and Analyze Online Radicalization: A Survey," V, Januari 2013, hlm. 1–30. [Online]. Tersedia: http://arxiv.org/abs/1301.4916
Y. Elovici, B. Shapira, M. Last, O. Zaafrany, M. Friedman, M. Schneider, dan A. Kandel, "Content-based detection of terrorists browsing the web using an Advanced Terror Detection System (ATDS)," Lecture Notes in Computer Science, vol. 3495, hlm. 244–255, 2005. https://doi.org/10.1007/11427995_20
A. M. Kaplan dan M. Haenlein, "The fairyland of Second Life: Virtual social worlds and how to use them," Business Horizons, vol. 52, no. 6, hlm. 563–572, 2009. https://doi.org/10.1016/j.bushor.2009.07.002
J. Kim, "“I want to be different from others in cyberspace” The role of visual similarity in virtual group identity," Computers in Human Behavior, vol. 25, no. 1, hlm. 88–95, 2009. https://doi.org/10.1016/j.chb.2008.06.008
T. H. Nguyen, K. Shirai, dan J. Velcin, "Sentiment analysis on social media for stock movement prediction," Expert Systems with Applications, vol. 42, no. 24, hlm. 9603–9611, 2015. https://doi.org/10.1016/j.eswa.2015.07.052
W. A. Setianto, "Literasi Konten Radikal di Media Online," Jurnal Ilmu Komunikasi, vol. 16, no. 1, hlm. 75, 2019. https://doi.org/10.31315/jik.v16i1.2684
P. Soepomo, "Penerapan Text Mining Pada Sistem Klasifikasi Email Spam Menggunakan Naive Bayes," no. 2, vol. 3, hlm. 73–83, 2014. https://doi.org/10.12928/jstie.v2i3.2877
N. Suryandari dan V. Lutviana, "Impression management of buzzer in social media twitter," Jurnal Studi Komunikasi (Indonesian Journal of Communications Studies), vol. 4, no. 3, hlm. 614, 2020. https://doi.org/10.25139/jsk.v4i3.2665.
DOI: http://dx.doi.org/10.31602/tji.v14i3.12148
Refbacks
- Saat ini tidak ada refbacks.
© 2019 Technologia p-ISSN: 2086-6917 e-ISSN: 2656-8047
-------------------------------------------------------------------------------------------
This work is licensed under a Creative Commons Attribution 4.0 International License.