SENTIMEN ANALISIS TERHADAP PILKADA JAKARTA 2024 BERDASARKAN PLATFORM MEDIA SOSIAL TWITTER (X) MENGGUNAKAN MACHINE LEARNING

BIANKHA ARIESTY (2024) SENTIMEN ANALISIS TERHADAP PILKADA JAKARTA 2024 BERDASARKAN PLATFORM MEDIA SOSIAL TWITTER (X) MENGGUNAKAN MACHINE LEARNING. Skripsi thesis, Universitas Bina Insan Lubuklinggau.

Text
RAMA_57201_2102030039.pdf
Download (26MB)

Official URL: http://eprints.univbinainsan.ac.id/

Abstract

Di setiap negara, terdapat berbagai macam proses pemilihan pemimpin negara ataupun daerah. Di Indonesia sendiri memiliki 2 proses pemilihan pemimpin, yaitu Pemilu (Pemilihan Umum) dan Pilkada (Pemilihan Kepala Daerah). Pada penelitian ini, data yang diambil adalah Opini yang diunggah melalui platform twitter (X), Tweet sering kali mengungkapkan pendapat yang jelas, yang membantu algoritma lebih mudah mengidentifikasi sentimen teks sebagai positif, negatif, atau netral. Penelitian ini akan membandingkan enam algoritma, yaitu Naïve Bayes, Support Vector Machine, K-Nearest Neighbor, Artificial Neural Network, Random Forest dan Decision Tree dalam klasifikasi sentimen. Data yang diambil menggunakan kata kunci pilkada Jakarta 2024 sebanyak 26.354 dengan rentang waktu Januari 2024-Januari 2025. Hasil pengujian menunjukkan Support Vector Machine (SVM) menjadi algoritma yang lebih baik dengan kinerja yang lebih tinggi. Nilai precision untuk sentimen negatif sebesar 85% Sentimen netral sebesar 83% dan sentimen positif sebesar 95%. Pada nilai recall untuk sentimen negatif adalah 80%, sentimen netral adalah 91%, sentimen positif adalah 93%. Untuk nilai accuracy mencapai 90%, dan nilai ROC AUC sebesar 97% serta nilai rata-rata Cross Validation K-10 sebesar 90%. Kata Kunci: Pilkada Jakarta 2024, sentimen analisis, twitter, machine learning

Item Type:	Thesis (Skripsi)
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Komputer > Program Studi Sistem Informasi
Depositing User:	Admin Perpus UnivBI
Date Deposited:	10 Feb 2026 09:46
Last Modified:	10 Feb 2026 09:46
URI:	http://eprints.univbinainsan.ac.id/id/eprint/506

Actions (login required)

View Item