Analisis Sentimen Terhadap Komentar Negatif (Hate Speech) Di Twitter Dengan Algoritma K-means Clustering Menggunakan RapidMiner

Abstrak

Penelitian ini membahas analisis sentimen terhadap komentar negatif (hate speech) di media sosial Twitter dengan menerapkan algoritma K-Means Clustering menggunakan perangkat lunak RapidMiner. Di era digital saat ini, Twitter menjadi salah satu platform utama penyebaran opini publik secara terbuka, termasuk komentar negatif yang dapat mengarah pada ujaran kebencian. Untuk memahami pola-pola sentimen dalam komentar tersebut, dilakukan proses clustering terhadap dataset berisi 27.325 cuitan pengguna Twitter yang diperoleh dari Kaggle. Tahapan penelitian dimulai dari pengumpulan data, pra-pemrosesan, hingga implementasi algoritma K-Means dengan jumlah klaster sebanyak tiga, yang mengelompokkan komentar menjadi kategori negatif, netral, dan positif. Hasil penelitian menunjukkan bahwa sebagian besar komentar tergolong dalam klaster negatif sebanyak 14.032 data, disusul klaster netral dengan 9.924 data, dan klaster positif sebanyak 3.369 data. Dengan hasil ini, algoritma K-Means terbukti efektif dalam mengidentifikasi persebaran ujaran kebencian pada media sosial, serta memberikan gambaran yang bermanfaat dalam upaya mitigasi dan pengawasan konten negatif secara otomatis. Penelitian ini diharapkan dapat menjadi dasar untuk pengembangan sistem analisis sentimen yang lebih akurat dan adaptif terhadap dinamika komunikasi digital.