Analisis Sentimen Pendapat Masyarakat Mengenai Pemilu 2024 Pada Platform Twitter/X Menggunakan Metode Support Vector Machine (SVM)

Faruqi, Zidane El and Dr. Dian Eka Ratnawati, S.Si., M.Kom and Rizal Setya Perdana, S.Kom., M.Kom., Ph.D. (2024) Analisis Sentimen Pendapat Masyarakat Mengenai Pemilu 2024 Pada Platform Twitter/X Menggunakan Metode Support Vector Machine (SVM). Sarjana thesis, Universitas Brawijaya.

Abstract

Pemilihan umum atau yang pada umumnya di masyarakat disingkat menjadi pemilu merupakan sebuah representasi dari penerapan sistem demokrasi di negara Indonesia dengan memberi kesempatan pada warga negara untuk turut serta dalam melakukan pemilihan pejabat publik. Twitter/X, sebagai platform sosial yang signifikan dalam komunikasi digital di Indonesia, menjadi kanal utama bagi masyarakat untuk menyampaikan pendapat mereka Analisis sentimen merupakan sebuah tahapan yang diawali dengan ekstraksi, pengolahan, lalu diakhiri dengan pemahaman data yang berbentuk teks dan bersifat tidak teratur dengan sendirinya yang memiliki tujuan untuk mendapat informasi dari sebuah kalimat pendapat atau opini. Maka dari itu, penelitian ini dilakukan agar dapat membantu pihak yang terkait dalam melancarkan proses pemilu. Penelitian ini diselesainkan dengan menerapkan metode Support Vector Machine (SVM). Penelitian ini dilakukan dengan beberapa tahapan, yaitu pengumpulan data, preprocessing, klasifikasi Support Vector Machine (SVM), serta pengujian dan analisis. Hasil pengujian analisis sentimen menggunakan Support Vector Machine (SVM) yang diperoleh dengan metode Confusion Matrix, menunjukkan hasil nilai precision 0,85, recall 0,82, f1-score 0,83, dan accuracy 0,83. Selain itu, analisis aspek menghasilkan nilai precision 0,906, recall 0,904, f1-score 0,83, dan accuracy 0,9. Kombinasi hyperparameter terbaik yang digunakan pada penelitian ini diperoleh menggunakan metode GridSearch. Kombinasi nilai hyperparameter yang menghasilkan akurasi terbaik untuk klasifikasi sentimen, yaitu complexity 0,1, nilai gamma 0,001, dan iterasi maksimal 50. Sedangkan, Kombinasi nilai hyperparameter yang menghasilkan akurasi terbaik untuk klasifikasi aspek, yaitu complexity 0,1, nilai gamma 0,001, dan iterasi maksimal 25.

English Abstract

National election, is a representation of the implementation of the democratic system in Indonesia, providing an opportunity for citizens to participate in the selection of public officials. Twitter/X, as a significant social platform in digital communication in Indonesia, serves as the primary channel for people to express their opinions. Sentiment analysis is a process initiated by data extraction, processing, and culminating in the understanding of unstructured text data with the goal of extracting information from sentences expressing opinions. Therefore, this research is conducted to assist relevant parties in facilitating the electoral process. The study concludes by applying the Support Vector Machine (SVM) method. The research comprises several stages, including data collection, preprocessing, Support Vector Machine (SVM) classification, and testing and analysis. The sentiment analysis testing using Support Vector Machine (SVM), obtained through the Confusion Matrix method, shows precision values of 0.85, recall of 0.82, an f1-score of 0.83, and an accuracy of 0.83. Additionally, aspect analysis yields precision of 0.906, recall of 0.904, f1-score of 0.83, and accuracy of 0.9. The best hyperparameter combination used in this research is determined through the GridSearch method. The optimal hyperparameter combination for sentiment classification includes a complexity of 0.1, gamma value of 0.001, and a maximum iteration of 50. For aspect classification, the best hyperparameter combination consists of a complexity of 0.1, gamma value of 0.001, and a maximum iteration of 25.

Item Type:	Thesis (Sarjana)
Identification Number:	0524150269
Uncontrolled Keywords:	Analisis Sentimen, Pemilu, Twitter/X, Support Vector Machine, Confusion Matrix-Sentiment Analysis, National Election, Twitter/X, Support Vector Machine, Confusion Matrix
Divisions:	Fakultas Ilmu Komputer > Teknik Informatika
Depositing User:	soegeng sugeng
Date Deposited:	26 Apr 2024 08:46
Last Modified:	26 Apr 2024 08:46
URI:	http://repository.ub.ac.id/id/eprint/217875

Text (DALAM MAS EMBARGO) Zidane El Faruqi.pdf Restricted to Registered users only Download (3MB)

Actions (login required)

View Item