BAB I

PENDAHULUAN

1.1 Latar Belakang Masalah

Media sosial telah menjadi suatu kebutuhan penting bagi masyarakat di

seluruh dunia. Kehidupan manusia tak bisa terlepas dari adanya media digital
seperti telepon genggam yang mempermudah akses informasi, interaksi,
sosialisasi, dan aktivitas bisnis. Dalam proses komunikasi, media sosial menjadi
sarana utama untuk menyampaikan pesan, terutama dalam komunikasi massa
yang berpengaruh terhadap hubungan dan aktivitas manusia. Perkembangan
teknologi internet juga diiringi oleh pertumbuhan media sosial yang kian pesat,
memfasilitasi komunikasi antar pengguna. Menurut laporan katadata.co.id,
penelitian pada Januari 2019 mengungkapkan bahwa pengguna media sosial di
Indonesia mencapai 150 juta orang atau 56% dari total populasi [1].
Sentimen masyarakat adalah ekspresi sikap, pendapat, dan perasaan umum
yang dimiliki oleh individu-individu dalam suatu komunitas terhadap isu,
peristiwa atau objek tertentu. Sentimen ini mencerminkan pandangan yang dapat
berupa positif dan negatif terhadap topik yang dibahas dan memberikan wawasan
tentang persepsi dan kecenderungan umum yang ada dalam masyarakat terkait hal
tersebut. Analisis sentimen masyarakat memiliki kepentingan yang signifikan
karena dapat memberikan pemahaman yang lebih baik tentang pandangan dan
opini yang tersebar di masyarakat terkait isu-isu yang relevan. Informasi ini
sangat berharga dalam mengarahkan kebijakan publik, mengidentifikasi tren
sosial, merancang kampanye pemasaran yang efektif, dan memahami preferensi
konsumen [2].
Pakaian bekas merupakan bagian dari fashion, pakaian adalah kebutuhan
pokok manusia selain makanan dan tempat berteduh / rumah. Manusia
membutuhkan pakaian untuk melindungi dan menutupi dirinya. Namun, seiring
dengan perkembangan kehidupan manusia, pakaian juga digunakan sebagai
simbol status, maupun kedudukan seseorang yang memakainya. Pakaian bekas
impor dapat dikatakan sebagai bagian atau jenis dari pakaian. Baju bekas impor
adalah baju – baju sisa penjualan dari pabrik garmen dan department store yang
dikumpulkan selama beberapa tahun di gudang, baju-baju inilah yang kemudian
dijual kembali oleh pihak – pihak tertentu [3].
Permasalahan muncul karena banyak nya pro dan kontra masyarakat
indonesia terkait peraturan menteri perdagangan NO.20/2022 tentang larangan
impor pakaian bekas ke indonesia dilihat dari komentar (sentimen) masyarakat
pada media sosial twitter, sehingga menimbulkan banyak perbedaan sentimen.
Analisis sentimen dapat digunakan untuk menyaring komentar-komentar di media
sosial yang terkait dengan larangan impor pakain bekas ke indonesia baik itu
pendapat positif serta negatif yang berisikan informasi-informasi berguna yang
menjadi fokus pada penelitian ini, Tujuannya untuk mengetahui apakah
masyarakat mendukung atau menentang aturan tersebut.
Untuk mengatasi permasalahan diatas, maka penulis akan melakukan
analisis sentimen dengan dua kombinasi metode yakni algoritma Text mining dan
Tf-idf. Text mining secara umum memiliki 5 tahapan yaitu case folding
(mengubah huruf menjadi kecil), tokenizing (mengubah kalimat menjadi kata),
filtering (mengambil kata penting), stemming ( proses mengubah kata menjadi
kata dasar untuk mencari root kata) dan analyzing ( penentuan keterhubungan
kata). Term Frequency Inverse Document Frequency (Tf Idf) dingunakan sesudah
melakukan tahapan text mining untuk menghitung nilai atau bobot kata dengan
mengubah kata menjadi numerik untuk mengetahui ketarkaitan kata dengan
memberi bobot di setiap kata.
Penelitian sebelumnya dilakukan oleh Moh. Afif Rofiqi, Abd Charis
Fauzan, Afivatu Pratama Agustin, Ahmad Agung Saputra dan Hinayu Diniatul
Fahma pada (Journal of Computer Science and Applied Informatics
(ILKOMNIKA)) Vol.1, No.2 (Desember 2019) dengan Judul “Implementasi
Term-Frequency Inverse Document Frequency (TF-IDF) Untuk Mencari
Relevansi Dokumen Berdasarkan Query”. Menyatakan pembobotan kata didalam
sebuah dokumen dengan mengalikan nilai TF dan IDF bedasarkan hasil query
nya dan dari tiga artikel yang mengasilakan rank score untuk dokumen satu yang
berscore 3,90847 dapat disimpulkan bahwa artikel berita pada dokumen satu
adalah yang paling relevan dari pada dua artikel lainnya [4].
Penelitian juga dilakukan oleh Pradita Eko Prasetyo Utomo, Manaar, Ulfa
Khaira dan Tri Suratnopada (Jurnal Sains dan Sistem Informasi (JUSS)) Vol. 2,
No.2 (Desember 2019) dengan judul “Analisis Sentimen Online Review
Pengguna Bukalapak Menggunakan Metode Algoritma Tf-Idf”. Menyatakan hasil
analisis menggunakan algoritma TF-IDF dapat di simpulkan bahwa berdasarkan
ulasan review pelanggan di bukalapak mempunyai penilaian ataupun presepsi
yang baik terhadap produk sepatu ini. Dapat dilihat dari hasil sentimen,
Visualisasi Sentimen dan Visualisasi WordCloud yang menunjukkan bahwa
ulasan positifnya memiliki frekuensi yang lebih tinggi yaitu 70% [5].
Penelitian selanjutnya dilakukan oleh Pratama djodi pada (Informasi dan
Teknologi Ilmiah (INTI)) Volume 10, No 1, (Oktober 2022), dengan judul
“Implementasi Algoritma Text Mining TF-IDF Untuk Fitur Autoresponder”. Pada
metode ini menjelaskan tentang berapa persentase yang dihasilkan dari gejala-
gejala yang terjadi pada kerusakan printer. Maka berdasarkan perhitungannya
didapatlah total persentase sifat positif bernilai 56.2651 atau 56%, sedangkan
persentase sifat negatif bernilai 43.7349 atau 44% [6].
Berdasarkan beberapa uraian latar belakang masalah di atas, maka penulis
ingin mencoba Analisa sentiment masyarakat terhadap Larangan impor pakaian
bekas dengan algoritma Text Mining dan Term Frequency Inverse Document
Frequency (TF-IDF). Atas dasar ilmiah, Penulis tertarik untuk mengambil judul
“Analisa Sentimen Masyarakat Pada Media Sosial Twitter Tentang
Larangan Impor Pakaian Bekas Ke Indonesia Dengan Menerapkan
Algoritma Text Mining Dan Term Frequency Inverse Document Frequency
(Tf Idf)”.

1.2 Perumusan Masalah

Berdasakan latar belakang masalah diatas maka yang menjadi perumusan

masalah penelitian ini adalah:
1. Bagaimana menganalisa sentimen masyarakat pada media sosial Twitter ?
2. Bagaimana menerapkan algoritma Text Mining dan Tf-Idf untuk mengetahui
sentimen masyarakat tentang larangan impor pakaian bekas ?
3. Bagaimana menguji sentimen masyarakat pada media sosial twitter mengenai
larangan impor pakaian bekas ?

1.3 Batasan Masalah

Ada pun yang menjadi batasan masalah yang dibahas dalam penelitian
ini adalah sebagai berikut:
1. Data yang di analisis diambil dari media sosial twitter dengan kata kunci di
dapat dari tahapan Text mining.
2. Jumlah data yang akan di kelola sebanyak 30 komentar
3. Pengambilan data sentimen dilakukan dengan link Node.js kemudian di olah
dengan algoritma Text Mining dan dilakukan pembobotan mengunakan Tf- Idf .
4. Pengujian hasil akhir dilakukan menggunakan aplikasi Rapid biner.

1.4 Tujuan Penelitian

Adapun beberapa tujuan yang dilakukan dalam penelitian ini adalah

sebagai berikut :
1. Menganalisa sentimen masyarakat pada media sosial twitter.
2. Menerapkan algoritma Text Mining dan Tf-Idf dalam menganalisi sentimen
masyarakat tentang larangan impor pakaian bekas.
3. Pengujian sentimen dilakukan melalui aplikasi rapid miner.

1.5 Manfaat Penelitian

Ada pun beberapa manfaat yang diharapkan dari peneliti ini adalah
sebagai berikut:
1. Menambah pengetahuan dalam menganalisa sentimen masyarakat pada media
sosial twitter.
2. Dari hasil penerapan algoritma Text mining dan Tf-Idf Dapat mengetahui
apakah masyarakat mendukung atau menentang larangan impor pakaian bekas
ke indonesia .
3. Dapat memahami pengujian hasil akhir sentimen dengan menggunakan
aplikasi rapid miner.
 DAFTAR PUSTAKA

[1] N. Angela and M. G. Yoedtadi, “Pemanfaatan Media Sosial Oleh

Komunitas Historia Indonesia,” Prologia, vol. 3, no. 2, p. 393, 2019, doi:
10.24912/pr.v3i2.6371.
[2] S. Bhatia, M. Sharma, and K. K. Bhatia, “Sentiment Analysis and Mining
of Opinions,” Stud. Big Data, vol. 30, no. May, pp. 503–523, 2018, doi:
10.1007/978-3-319-60435-0_20.
[3] R. M. Djami, Heni M. Sauw, and Maria M.K. Tino, “Analisis Faktor-faktor
Pendorong Pembelian Baju Bekas „Rombengan‟ Melalui Media Sosial
(Facebook) di Kota,” J. Pendidik. Ilmu Pengetah. Sos., vol. 14, no. 2, pp.
293–297, 2022, doi: 10.37304/jpips.v14i2.7741.
[4] M. A. Rofiqi, A. C. Fauzan, A. P. Agustin, and A. A. Saputra,
“Implementasi Term-Frequency Inverse Document Frequency (TF-IDF)
Untuk Mencari Relevansi Dokumen Berdasarkan Query,” Ilk. J. Comput.
Sci. Appl. Informatics, vol. 1, no. 2, pp. 58–64, 2019, doi:
10.28926/ilkomnika.v1i2.18.
[5] P. Eko, P. Utomo, U. Khaira, T. Suratno, and U. Jambi, “Analisis Sentimen
Online Review Pengguna Bukalapak Menggunakan Metode Algoritma TF-
IDF,” J. Sains dan Sist. Inf., vol. 2, no. 2, pp. 35–39, 2019.
[6] P. Djodi, “Implementasi Algoritma Text Mining TF-IDF Untuk Fitur
Autoresponder,” vol. 10, no. 1, pp. 31–38, 2022.