TechnologyIndonesia.id – Di era digital saat ini, media sosial menjadi sumber informasi yang mudah dan cepat didapatkan. Tak ayal, media sosial dijadikan alat untuk mempengaruhi pola pikir dan tingkah laku manusia. Misalnya oleh akun buzzer yang dimanfaatkan untuk kepentingan tertentu.
Untuk itu, Kelompok riset Natural Language Processing di Pusat Riset Sains Data dan Informasi Badan Riset dan Inovasi Nasional (BRIN) melakukan pengembangan model Klasifikasi Akun Buzzer dari Data Media Sosial X.
“Kami melakukan eksplorasi menggunakan metode seleksi fitur untuk mendapatkan fitur-fitur yang berpengaruh dalam model klasifikasi, yang dikembangkan dalam algoritma Machine Learning Support Vector Machine,” kata Perekayasa Ahli Muda di Pusat Sains Data dan Informasi, Dian Isnaeni Nurul Afra pada Talkshow Bisaan Bangga pada Senin (29/1/2024)
Ia menjelaskan latar belakang dari penelitian ini adalah lanjutan dari riset mengenai analisis sentimen komunitas. Untuk diketahui bahwa analisis sentimen adalah sebuah proses yang dilakukan dalam memahami sentimen, pendapat atau opini masyarakat yang terkandung dalam data teks atau data lainnya.
‘’Tujuan utama riset ini adalah untuk mengetahui sentimen masyarakat terkait subjek atau topik topik tertentu. Apakah sentimennya positif, negatif atau netral,” ucap Dian.
Menurutnya, data sentimen analisis ini dapat diaplikasikan dalam berbagai bidang misalnya bidang marketing, customer service hingga termasuk politik. Analisis sentimen ini bisa membantu organisasi untuk memahami pandangan atau opini masyarakat terhadap suatu produk, layanan atau isu tertentu.
“Sehingga data dari analisis sentimen ini memungkinkan organisasi untuk melakukan pengambilan keputusan yang lebih cepat dan responsif sesuai dengan pemahaman yang diperoleh tentang sentimen publik tersebut,” tuturnya.
Penelitian ini ungkap Dian menggunakan data dari ‘twit’ media sosial X (sebelumnya bernama Twitter). Dalam proses pengambilan data, dirinya menemukan noise berupa data yang terindikasi yang di-posting akun-akun buzzer.
Ia berharap data tersebut merupakan opini yang real dari masyarakat. Sementara ‘twit’ atau opini yang terindikasi dari akun-akun buzzer ini tidak mewakili opini masyarakat karena terindikasi ada tujuan tertentu sehingga data ini dianggap sebagai noise yang perlu diungkap.
Pihaknya memandang perlu melakukan riset khusus mengenai buzzer ini yaitu melakukan klasifikasi akun-akun buzzer sehingga proses ini bisa kita lakukan sebelum melakukan analisis sentimen.
“Diharapkan data-data yang terindikasi dari akun-akun buzzer dapat difilter sehingga dataset yang digunakan bisa lebih mewakili opini real dari masyarakat sesuai dengan tujuan dari analisis sentimen,” harap Dian.
Selanjutnya Dian menambahkan mengapa media sosial X yang digunakan karena X adalah media sosial yang fokus pada teks. X adalah media sosial yang cenderung lebih mudah untuk menemukan topik, informasi sesuai tujuan yang ingin kita dapat. Toolsnya dapat dengan mudah dijangkau.
Lebih lanjut dirinya mengungkapkan bahwa kendala dalam melakukan penelitian dalam hal tahapan pelabelan data karena memberikan label pada sekian akun tidak mudah, setiap label harus memiliki pengetahuan mengenai akun tersebut.
Kendala lainnya yaitu data kami masih sedikit sehingga untuk penelitian selanjutnya kami harapkan datanya dapat lebih banyak, sehingga dapat mengklasifikasikan buzzer dengan lebih baik.
“Dalam penelitian ini machine learning yang kami gunakan masih satu, kita masih berencana untuk menambahkan datanya. Kedepannya dilakukan dengan metoda yang berbeda karena ingin menerapkan klasifikasi yang lebih baik,” pungkas Dian. (Sumber brin.go.id, ilustrasi pixabay.com/MarieXMartin)
Gunakan Machine Learning, Peneliti BRIN Kembangkan Model Klasifikasi Buzzer di Media Sosial
