SOC Press, Indonesia Symposium on Computing (IndoSC) 2016

Font Size: 
Pengukuran Indeks Kebahagiaan Masyarakat Kota Bandung dari Jejaring Sosial Twitter Menggunakan Ontologi dengan Paradigma Bottom-up
Dimas Ikhsanu Fitra


Full Text: PDF

Abstract


Kebahagiaan masyarakat dapat dijadikan parameter untuk menentukan pencapaian dari suatu Negara. Dalam cakupan yang lebih kecil, hal ini dapat diaplikasikan juga ke sebuah kota. Pemerintah kota Bandung mengembangkan sistem yang dapat menghitung indeks kebahagiaan masyarakatnya. Pemerintah kota Bandung telah melakukan perhitungan indeks kebahagiaan dengan survei sampling secara acak kepada kepala keluarga atau pasangannya. Dalam
pengambilan data dengan survei memerlukan usaha serta buaya yang besar. Dapat dilakukan upaya lain selain dari menggunakan survei dalam pengambilan data, yaitu dengan mengambil data berupa opini dari masyarakat dari media sosial Twitter yang sangat banyak digunakan masyarakat kota Bandung. Data tweet pada Twitter diklasifikasikan sesuai dengan kebutuhan perhitungan
indeks kebahagiaan masyarakat kota Bandung. Klasifikasi dibantu ontologi yang dapat memetakan pengetahuan yang diketahui manusia untuk diketahui sistem. Ontologi dibangun dengan paradigma bottom-up yang pembangunannya bermula dari term-term pada tweet. Untuk mendapatkan sentimen dari data tweet digunakan klasifikasi sentiment menggunakan classifier pada Weka. Hasil klasifikasi ontologi dan sentiment digunakan untuk mengukur indeks kebahagiaan. Dilakukan pengujian terhadap sistem dengan mencari nilai F1 measure dan akurasi. Dari hasil pengujian ditemukan bahwa kelengkapan ontologi berpengaruh kepada performansi hasil klasifikasi yang dianalisis dari nilai akurasi dan F1 measure pada dua versi ontologi. Dengan data yang ada, jumlah data latih berpengaruh terhadap performansi classifier Weka dalam melakukan klasifikasi sentimen. Semakin besar jumlah data maka semakin besar nilai akurasi dan nilai F1 measure. Semakin besar akurasi maka semakin valid hasil perhitungan indeks kebahagiaan yang didapat.

Reference


[1] Pemerintah Kota Bandung, "Indeks Kebahagiaan Kota Bandung Tahun 2015," Bandung, 2015.

[2] Reza Wahyudi. (2012, July) http://tekno.kompas.com. [Online]. http://tekno.kompas.com/read/2012/07/31/17362175/Jakarta.Juara.Tweet.Sedunia.Bandung.Peringkat.6

[3] Antoniou, G., & Van Harmelen, F. (2004). A semantic web primer. MIT press.

[4] Breitman, K., Casanova, M. A., & Truszkowski, W. (2007). Semantic web: concepts, technologies and applications. Springer Science & Business Media.

[5] Davies, J., Fensel, D., & Van Harmelen, F. (Eds.). (2003). Towards the semantic web: ontology-driven knowledge management. John Wiley & Sons.

[6] Neches, R., Fikes, R. E., Finin, T., Gruber, T., Patil, R., Senator, T., & Swartout, W. R. (1991). Enabling technology for knowledge sharing. AI magazine, 12(3), 36.

[7] Rahmawati, N. (2016). Conversational Recommender System with Explanation Facility Using Semantic Reasoning. International Journal on Information and Communication Technology (IJoICT), 2(1), 1-12. Crossref

[8] Hatzivassiloglou, V., & McKeown, K. R. (1997, July). Predicting the semantic orientation of adjectives. In Proceedings of the eighth conference on European chapter of the Association for Computational Linguistics (pp. 174-181). Association for Computational Linguistics. Crossref

[9] Esuli, A., & Sebastiani, F. (2006, May). Sentiwordnet: A publicly available lexical resource for opinion mining. In Proceedings of LREC (Vol. 6, pp. 417-422).

[10] Noy, N. F., & McGuinness, D. L. (2001). Ontology development 101: A guide to creating your first ontology.

[11] Wei, C. C. H. (2009). BOTTOM-UP ONTOLOGY CREATION WITH A DIRECT INSTANCE INPUT INTERFACE (Doctoral dissertation, California Polytechnic State University, San Luis Obispo).

[12] Torgo Luis and Ribeiro Rita, Discovery Science.

[13] Feldman, R., & Sanger, J. (2007). The text mining handbook: advanced approaches in analyzing unstructured data. Cambridge University Press.

[14] Effendy Veronikha, Novantirani Anita, and Kania Sabariah Mira, "Sentiment Analysis on Twitter about the Use of City Public Transportation Using Support Vector Machine Method," IJOICT, June 2016.

Last modified: 2016-11-02