Pemetaan Kata Kunci dan Polaritas Sentimen Pengguna Twitter Terhadap Kehalalan Produk

Abstract

Kehalalan menjadi trend dunia sehingga kehalalan menjadi standar mutu suatu produk terutama makanan dan minuman untuk konsumen muslim dan nonmuslim. Oleh karena itu penelitian ini bertujuan untuk memetakan kata kunci dan polaritas opini pengguna twitter terhadap kehalalan produk secara global. Data twitter digali dan dipersiapkan dengan text mining pada Rstudio yang selanjutnya dianalisis polaritas dengan naïve bayes classifier. Preprosesing data yang dilakukan meliputi penghapusan duplikasi tweet, tokenisasi, penghapusan stopword dan pencarian akar kata. Pemetaan kata kunci dilakukan dari hasil bar plot yang dihasilkan. Kata kunci ini memberikan gambaran apa saja yang diperhatikan oleh pengguna twitter yang berkaitan dengan kehalalan suatu produk terutama produk pangan Hasil penelitian menunjukkan bahwa kata kunci utama dari opini di twitter terkait kehalalan produk adalah produk, makanan, minuman, garansi, dan lingkungan. Selain itu polaritas opini menunjukkan bahwa trend kehalalan produk ini diapresiasi positif oleh mayoritas pengguna Twitter yakni sebsar 70%, 16% bersifat netral, dan lainnya negatif. Hal ini memberikan peluang usaha dalam bidang pangan halal di pasar global dan harapannya dapat memotivasi pengusaha untuk mensertifikasi halal produknya.

Twitter Data Analysis on Halal Labeling: Insights for the Food Industry in Indonesia

“…With the number of twitter users in Indonesia reaching 11.3 million (Rahmanti et al, 2021), this creates an opportunity to explore how public insights related to halal labeling in the food industry in Indonesia. There are several studies that have been conducted in the field of sentiment analysis on halal products involving several researchers. (Hidayat et al, 2021) conducted research with the aim of extracting data from twitter, analyzing keywords, and the polarity of twitter users' opinions on the halalness of products globally. The results show that the main keywords in twitter users' opinions include food, beverages, warranty, and environment, with the majority of positive views around 70%.…”

Predicting Handling Covid-19 Opinion using Naive Bayes and TF-IDF for Polarity Detection

“…A previous study by [5] used Naive Bayes to map the keywords and sentiment of Twitter users toward a product's halalness. It divided the polarity into three categories: positive, neutral, and negative.…”