2. Menteri Kesehatan Terawan Agus Putranto Periode I total 16,505 perbincangan: 93% perbincangan negatif Periode II total 2,384 perbincangan: 79% perbincangan negatif.
3. Menkum HAM Yasonna Laoly Periode I total 14 perbincangan: 72% perbincangan negatif Periode II total 6.895 perbincangan: 81% perbincangan negatif.
4. Menko Kemaritiman dan Investasi Luhut Pandjaitan Periode I total 147 perbincangan: 57% perbincangan negatif Periode II total 1.167 perbincangan: 86% perbincangan negatif.
Dalam jumlah perbincangan yang berbeda-beda, terlihat dari hasil riset di atas, Menkes Terawan menjadi sosok yang paling banyak persentase perbincangan negatifnya, yakni mencapai 93% pada periode I. Periode kedua, dia mendapat 79% perbincangan negatif.
Menko Marves Luhut dalam jumlah perbincangan yang lebih sedikit juga mendapat perbincangan negatif. Pada periode I, 57% perbincangan tentang Luhut bersentimen negatif. Pada periode II, 86% perbincangan tentang dirinya adalah perbincangan negatif.
Bila diperbandingkan khusus untuk periode II (terbaru) saja, maka sosok yang paling banyak mendapat sentimen negatif adalah Luhut, disusul Yasonna, Terawan, dan Jokowi.
Metodologi
Paparan ini disampaikan oleh Didik J Rachbini, Eko Listyanto, dan Imam Maulana dari Indef, serta Omar Abdillah selaku Adviser Tim. Mereka menyaring dan menyerap data sentimen warganet.
Pernyataan dan pertanyaan yang dipakai dalam riset hanyalah yang disampaikan oleh pihak yang paham mengenai kebijakan pemerintahan. Cuitan orang awam dan akun buzzer tidak dipakai. Percakapan yang berhasil dijaring dari media sosial (Twitter) mencapai 476,7 ribu percakapan dan berasal dari akun 397,2 ribu orang.
Sumber data riset ini berasal dari media sosial, terutama Twitter, berita daring. Pada riset I, yakni 27 Februari-22 Maret, tim berhasil mengumpulkan 145.000 percakapan (tweets) dari 135.000 pengguna. Pada riset II, yakni 27 Maret-25 April, sebanyak 476.000 percakapan dengan jumlah akun/orang mencapai 397,2 ribu orang berhasil dikumpulkan.
Indef-Datalyst Center, melakukan Analisis Sentimen menggunakan metode aspect-based sentiment analysis. Analisis ini berguna mengetahui tendensi (sentimen) dari suatu pembicaraan terhadap masing-masing objek yang dianalisis (aspect-based). Tweet atau data yang digunakan dalam analisis sudah dipastikan adalah tweet-tweet yang terkait dengan Corona dan penanganan pemerintah.
Tim menentukan sentimen (positif/negatif) pada setiap sub-kalimat tersebut menggunakan pendekatan machine learning dengan mempelajarinya kata-kata yang terkandung dari kalimatnya.
Tim melakukan Ekstraksi Isu Populer, yakni menentukan isu terpopuler terkait upaya menangani pandemi COVID-19 yang akan diambil pemerintah. Penentuan isu populer tersebut menggunakan pendekatan machine learning dengan algoritma Latent Dirichlet Allocation ( LDA). Algoritma LDA mempelajari kata-kata yang muncul dalam percakapan di media sosial untuk mengidentifikasi kata-kata yang merepresentasikan suatu isu pembicaraan.
