Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM Pada Media Sosial Twitter
DOI:
https://doi.org/10.31328/jointecs.v8i1.4265Keywords:
capres, pilpres, analisis sentimen, SVM, twitterAbstract
Analisis Sentimen banyak digunakan pemangku kepentingan dalam menilai sentimen terhadap suatu objek. Pada penelitan ini objek yang akan diambil yaitu analisis sentimen terhadap tokoh politik calon presiden 2024 yang sedang marak diperbincangkan oleh warganet, khususnya di twitter. Adapun permasalahan yang diangkat yaitu mengenai ukuran kinerja suatu algoritma dalam melakukan klasifikasi sentimen, beberapa algoritma kerap memiliki tingkat akurasi yang rendah. Penelitian ini bertujuan untuk meningkatkan performance measure dari penelitian sebelumnya dengan menggunakan algoritma Naïve Bayes yang memiliki tingkat akurasi cukup rendah, dan pada penelitian ini digunakan algoritma SVM. Penelitian ini mengambil data Twitter yang berhubungan terhadap calon presiden untuk melihat opini masyarakat kepada setiap calon presiden. Data yang diambil yaitu data twitter dengan kata kunci Ganjar, Anies, Prabowo sebanyak 8.959 data yang diambil pada tanggal 17-25 Oktober 2022. Hasil dari pengujian mendapatkan kesimpulan algoritma SVM mempunyai performance measure atau akurasi cukup tinggi dibandingkan dengan algoritma Naïve Bayes pada penelitian sebelumnya hanya sebesar 73, 86% sementara algoritma SVM mendapat nilai rata-rata accuracy mencapai 98,61% yaitu dataset Ganjar Pranowo, lalu precision 98,81%, recall 99,79%. Dan untuk proporsi sentimen menunjukan sentimen positif yang diperoleh Ganjar lebih tinggi daripada calon presiden lainnya yaitu 55%, Prabowo 30% dan Anies 15%, Sementara sentimen negatif Anies lebih tinggi 89% daripada Ganjar 8% dan Prabowo 3%.References
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,†J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.
B. Huda and B. Priyatna, “Penggunaan Aplikasi Content Management System (CMS) Untuk Pengembangan Bisnis Berbasis E-commerce,†Systematics, vol. 1, no. 2, p. 81, 2019, doi: 10.35706/sys.v1i2.2076.
A. Voutama and E. Novalia, “Perancangan Aplikasi M-Magazine Berbasis Android Sebagai Sarana Mading Sekolah Menengah Atas,†J. Tekno Kompak, vol. 15, no. 1, p. 104, 2021, doi: 10.33365/jtk.v15i1.920.
A. C. M. Alvionita Mila Anjani, Ahmad Abdul Chamid, “Analisis Sentimen Kaum Lgbt Pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,†J. Inform., vol. 1, no. 2, pp. 1–8, 2022, doi: https://doi.org/10.02220/jtinfo.v1i2.259.
M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,†Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.
D. R. Berliana and B. Santoso, “Elektabilitas Ridwan Kamil Dan Anies Baswedan Dalam Simulasi Pilpres 2024 Di Twitter ( Analisis Jaringan Media Sosial Dan Analisis Sentimen Pengguna Twitter Terhadap # Ridwankamil Dan,†vol. 6, no. 2, pp. 150–162, 2024, doi: http://dx.doi.org/10.35760/mkm.2022.v6i2.6962.
F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,†J. Sains dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331.
J. W. Iskandar and Y. Nataliani, “Perbandingan Naïve Bayes, SVM, dan k-NN untuk Analisis Sentimen Gadget Berbasis Aspek,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 5, no. 6, pp. 1120–1126, 2021, doi: 10.29207/resti.v5i6.3588.
M. Raihan, F. Sya’ Bani |, F. Sya’ Bani, U. Enri, and T. N. Padilah, “Analisis Sentimen Terhadap Bakal Calon Presiden 2024 dengan Algoritma Naïve Bayes,†J. Ris. Komputer), vol. 9, no. 2, pp. 2407–389, 2022, doi: 10.30865/jurikom.v9i2.3989.
B. P. Zen, D. Wicaksana, and H. Alfidzar, “Analisis Sentimen Tweet Vaksin Covid 19 Sinovac Menggunakan Metode Support Vecor Machine,†Jdmsi, vol. 3, no. 2, pp. 21–27, 2022, doi: https://doi.org/10.33365/jdmsi.v3i2.1926.
A. P. Giovani, A. Ardiansyah, T. Haryanti, L. Kurniawati, and W. Gata, “Analisis Sentimen Aplikasi Ruang Guru Di Twitter Menggunakan Algoritma Klasifikasi,†J. Teknoinfo, vol. 14, no. 2, p. 115, 2020, doi: 10.33365/jti.v14i2.679.
A. L. Hananto, B. Priyatna, and A. Y. Rahman, “Penerapan Algoritma Djikstra Pada Sistem Monitoring Petugas Lapangan Pemkab Bekasi Berbasis Android,†JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 4, no. 3, p. 95, 2019, doi: 10.31328/jointecs.v4i3.1078.
B. Priyatna, “Penerapan Metode User Centered Design (Ucd) Pada Sistem Pemesanan Menu Kuliner Nusantara Berbasis Mobile Android,†AIMS J. Account. Inf. Syst., vol. 2, no. 1, pp. 1–14, 2019, doi: 10.32627/aims.v2i1.55.
A. Y. Rahman, B. Setyawan, F. W. Setiawan, and A. L. Hananto, “Model Supply Chain Management (SCM) Pada Pupuk Organik Berbahan Cacing,†JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 5, no. 1, p. 33, 2020, doi: 10.31328/jointecs.v5i1.1198.
I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,†Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.
I. Santoso, Windu Gata, and Atik Budi Paryanti, “Penggunaan Feature Selection di Algoritma Support Vector Machine untuk Sentimen Analisis Komisi Pemilihan Umum,†J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 3, no. 3, pp. 364–370, 2019, doi: 10.29207/resti.v3i3.1084.
J. Jtik et al., “Sentimen Analisis Masyarakat Indonesia Terhadap Presiden Rusia Pada Komentar Media Berita Online,†vol. 7, no. 1, 2023, doi: https://doi.org/10.35870/jtik.v7i1.698.
D. Apriliani, A. Susanto, M. F. Hidayattullah, and G. W. Sasmito, “Sentimen Analisis Pandangan Masyarakat Terhadap Vaksinasi Covid 19 Menggunakan K-Nearest Neighbors,†vol. 8, no. 1, pp. 34–37, 2023, doi: http://dx.doi.org/10.30591/jpit.v8i1.4759.
M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,†J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.
S. N. J. Fitriyyah, N. Safriadi, and E. E. Pratama, “Analisis Sentimen Calon Presiden Indonesia 2019 dari Media Sosial Twitter Menggunakan Metode Naive Bayes,†J. Edukasi dan Penelit. Inform., vol. 5, no. 3, p. 279, 2019, doi: 10.26418/jp.v5i3.34368.
Downloads
Published
Issue
Section
License
Pernyataan Hak Cipta dan Lisensi
Hak Cipta :
Penulis yang mempublikasikan naskahnya pada Jurnal ini menyetujui ketentuan berikut:
Hak cipta pada setiap artikel adalah milik penulis.
- Penulis mengakui bahwa JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE) berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0).
- Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif  dari naskah yang telah terbit di jurnal ini kedalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi kedalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada JOINTECS (JOURNAL OF INFORMATION TECHNOLOGY AND COMPUTER SCIENCE);
Lisensi :
JOINTECS diterbitkan berdasarkan ketentuan Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Lisensi ini mengizinkan setiap orang untuk menyalin dan menyebarluaskan kembali materi ini dalam bentuk atau format apapun, menggubah, mengubah, dan membuat turunan dari materi ini untuk kepentingan apapun, termasuk kepentingan komersial, selama mereka mencantumkan kredit kepada Penulis atas ciptaan asli.
This work is Under licensed
Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
