Komparasi Analisis Sentimen Masyarakat Terhadap Isu Penundaan Pemilu 2024 Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine

Wahyu Septian; Frencis Matheos Sarimole

doi:10.55338/saintek.v5i3.2789

Penulis

Wahyu Septian, SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia, Indonesia
Frencis Matheos Sarimole, SekolahTinggi Ilmu Komputer Cipta Karya informatika, Jakarta Timur, Indonesia, Indonesia

DOI:

https://doi.org/10.55338/saintek.v5i3.2789

Kata Kunci:

Analisis Sentimen, Penundaan Pemilu 2024, Support Vector Machine, Naive Bayes

Abstrak

Penelitian ini dilakukan untuk mengetahui pendapat masyarakat terhadap Isu Penundaan Pemilu 2024 pada media sosial Twitter Isu ini dilontarkan pertama kali oleh Luhut Binsar Panjaitan (LBP) selaku Menteri Koordinator Bidang Maritim dan Investasi terkait big data pengguna internet yg diduga mendukung penundaan pemilu 2024. Salah satu algoritma yang dapat digunakan untuk melakukan analisis sentimen adalah Naïve Bayes dan Support Vector Machine. Hasil akhir dari Perbandingan dengan dua metode pengujian ini, yaitu hasil prediksi Sentimen Masyakarat Terhadap Isu penundaan pemilu 2024 berdasarkan data yang didapat dari Twitter dan diimplementasikan dengan metode SVM (Support Vector Machine) menunjukkan nilai akurasi sebesari 91.61%. Dari 585 data uji, terprediksi 204 data sebagai Sentimen Positif dan 380 data sebagai Sentimen Negatif. Untuk hasil prediksi dari Sentimen Negatif, terdapat 584 data terprediksi Negatif dan 1 data yang terprediksi Positif. dan Metode Naive bayes menunjukkan nilai akurasi sebesari 98.80%. Dari 585 data uji, terprediksi sebesar 380 data sebagai Sentimen Negatif dan 204 data sebagai Sentimen Positif Untuk hasil prediksi dari Sentimen Negatif, terdapat 584 data terprediksi Negatif dan 1 data yang terprediksi Positif.

Unduhan

Data unduhan belum tersedia.

Referensi

C. B. Saputra, A. Muzakir, and D. Udariansyah, “Analisis Sentimen Masyarakat Terhadap #2019Gantipresiden Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier,” Bina Darma Conference on Computer Science, pp. 403–413, 2019.

D. T. Lukmana, S. Subanti, and Y. Susanti, “Analisis Sentimen Terhadap Calon Presiden 2019 Dengan Support Vector Machine Di Twitter,” Seminar Nasional Penelitian Pendidikan Matematika (SNP2M) 2019 UMT, no. 2002, pp. 154–160, 2019.

F. A. Wenando, R. Hayami, and A. J. Anggrawan, “Analisis Sentimen Pada Pemerintahan Terpilih Pada Pilpres 2019 Ditwitter Menggunakan Algoritme Naïvebayes,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 7, no. 1, pp. 101–106, 2020, doi: 10.33330/jurteksi.v7i1.851.

I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Informatika, vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.

R. Asmara, M. F. Ardiansyah, and M. Anshori, “Analisa Sentiment Masyarakat terhadap Pemilu 2019 berdasarkan Opini di Twitter menggunakan Metode Naive Bayes Classifier,” INOVTEK Polbeng - Seri Informatika, vol. 5, no. 2, p. 193, 2020, doi: 10.35314/isi.v5i2.1095.

I. F. N. Fadhillah, A. Herdiani, and ..., “Analisis Sentimen Berbasis Leksikon InSet Terhadap Partai Politik Peserta Pemilu 2019 Pada Media Sosial Twitter,” eProceedings of Engineering, vol. 6, no. 3, pp. 10397–10407, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/11216

F. Fatimah, R. Agustiansyah, and A. Musnansyah, “Analisis Sentimen Terhadap Pemilihan Gubernur Provinsi Sulawesi Selatan Tahun 2018 Menggunakan Data Twitter Dan Metode Sentiment Lexicon,” e-Proceeding of Engineering, vol. 6, no. 1, pp. 1928–1934, 2019.

A. Faisal, Y. Alkhalifi, A. Rifai, and W. Gata, “Analisis Sentimen Dewan Perwakilan Rakyat Dengan Algoritma Klasifikasi Berbasis Particle Swarm Optimization,” JOINTECS (Journal of Information Technology and Computer Science), vol. 5, no. 2, p. 61, 2020, doi: 10.31328/jointecs.v5i2.1362.

R. A. Fauzi, I. Cholissodin, and B. Rahayudi, “Pemanfaatan Spark untuk Analisis Sentimen Mengenai Netralitas Berita dalam Membahas Pemilu Presiden 2019 Menggunakan Metode Naïve Bayes Classifier,” Jurnal PengembaSyarifuddin, M. (2020). Analisis Sentimen Opini Publik Mengenai Covid-19 Pada Twitter Menggunakan Metode Naïve Bayes Dan Knn. Inti Nusa Mandiri, 15(1), 23–28.ngan Teknologi Informasi dan Ilmu Komputer, vol. 5, no. 3, pp. 1070–1077, 2021.

E. S. R. Br.Situmorang, M. K. Anam, R. Rahmaddeni, and A. N. Ulfah, “Perbandingan Algoritma Svm Dan Nbc Dalam Analisa Sentimen Pilkada Pada Twitter,” CSRID (Computer Science Research and Its Development Journal), vol. 13, no. 3, p. 169, 2021, doi: 10.22303/csrid.13.3.2021.169-179.

D. Robison Manalu, M. Christofell, L. Tobing, and M. Yohanna, “METHOMIKA: Jurnal Manajemen Informatika & Komputerisasi Akuntansi ANALISIS SENTIMEN TWITTER TERHADAP WACANA PENUNDAAN PEMILU DENGAN METODE SUPPORT VECTOR MACHINE,” vol. 6, no. 2, pp. 149–156, 2022, [Online]. Available: https://doi.org/10.46880/jmika.Vol6No2.pp149-156

E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook,” Eksplora Informatika, vol. 9, no. 1, pp. 60–69, 2019, doi: 10.30864/eksplora.v9i1.254.

A. Noviriandini, H. Hermanto, and Y. Yudhistira, “Klasifikasi Support Vector Machine Berbasis Particle Swarm Optimization Untuk Analisa Sentimen Pengguna Aplikasi Pedulilindungi,” JIKA (Jurnal Informatika), vol. 6, no. 1, p. 50, 2022, doi: 10.31000/jika.v6i1.5681.

R. Syahputra, G. J. Yanris, and D. Irmayani, “SVM and Naïve Bayes Algorithm Comparison for User Sentiment Analysis on Twitter,” Sinkron, vol. 7, no. 2, pp. 671–678, 2022, doi: 10.33395/sinkron.v7i2.11430.

P. Astuti and N. Nuris, “Penerapan Algoritma KNN Pada Analisis Sentimen Review Aplikasi Peduli Lindungi,” Computer Science (CO-SCIENCE), vol. 2, no. 2, pp. 137–142, 2022, doi: 10.31294/coscience.v2i2.1258.