Analisis Sentimen Pengguna Media Sosial Terhadap Pemilihan Presiden 2024 Dengan Metode Naive Bayes Classifier
Sari
Dengan semakin berkembangnya penggunaan media sosial sebagai sarana komunikasi publik, banyak opini, komentar, dan sentimen yang disampaikan secara terbuka. Namun, volume data yang besar serta penggunaan bahasa informal di platform ini menimbulkan kesulitan dalam memahami sentimen secara efektif. Dampak dari permasalahan ini adalah kurangnya pemahaman yang akurat tentang preferensi politik masyarakat, yang dapat memengaruhi strategi kampanye dan kebijakan publik. Oleh karena itu, diperlukan sebuah metode untuk mengklasifikasikan sentimen secara lebih efektif dari data yang tidak terstruktur. Untuk menyelesaikan masalah tersebut, penelitian ini menggunakan algoritma Naive Bayes Classifier untuk mengklasifikasikan sentimen tweet menjadi tiga kategori: positif, netral, dan negatif. Dengan menggunakan dataset yang terdiri dari 1.945 data hasil crawling dan melalui representasi teks menggunakan Bag of Words (BoW) serta TF-IDF, penelitian ini menunjukkan bahwa algoritma Naive Bayes berhasil mengklasifikasikan sentimen positif, netral, dan negatif secara efektif, terutama pada ulasan negatif dan netral. Model Naive Bayes dengan BoW terbukti memiliki akurasi keseluruhan sebesar 90,15%, dengan keseimbangan yang lebih baik antara precision dan recall dibandingkan model dengan TF-IDF.
Teks Lengkap:
PDFReferensi
A. Fauzi, M. F. Akbar, and Y. F. A. Asmawan, “Sentimen Analisis Berinternet Pada Media Sosial dengan Menggunakan Algoritma Bayes,†J. Inform., vol. 6, no. 1, pp. 77–83, 2019, doi: 10.31311/ji.v6i1.5437.
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.
Matt ahlgren, “STATISTIK & TREN TWITTER (X) [PEMBARUAN 2024],†2024. https://www.websiterating.com/id/research/twitter-statistics/
S. KEMP, “DIGITAL 2024: INDONESIA,†datarepotal, 2024. https://datareportal.com/reports/digital-2024-indonesia
Y. D. P. Hapsari and R. Saraswati, “Dampak Pelaksanaan Presidential Threshold pada Pemilu Serentak terhadap Demokrasi di Indonesia,†J. Pembang. Huk. Indones., vol. 5, no. 1, pp. 70–84, 2023, doi: 10.14710/jphi.v5i1.70-84.
M. I. Khatami, “The Existence Of ‘ Baliho 2024 ’ In The Electricity Fight : Image Analysis Of Political Figures,†J. Imu Sos. dan Ilmu Polit. Univ. Jambi, vol. 5, no. 2, pp. 14–24, 2021.
N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,†CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.
A. Ariansyah and M. Kusmira, “Analisis Sentimen Pengaruh Pembelajaran Daring Terhadap Motivasi Belajar Di Masa Pandemi Menggunakan Naive Bayes Dan Svm,†Fakt. Exacta, vol. 14, no. 3, p. 100, 2021, doi: 10.30998/faktorexacta.v14i3.10325.
F. Septianingrum and A. S. Y. Irawan, “Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes: Sebuah Literature Review,†J. Media Inform. Budidarma, vol. 5, no. 3, p. 799, 2021, doi: 10.30865/mib.v5i3.2983.
A. Taufik et al., “KLASIFIKASI TWEET INFLUENCER NU DENGAN GNPF-ULAMA MENGGUNAKAN NAIVE BAYES DAN SUPPORT VECTOR MACHINE CLASSIFICATION OF NU INFLUENCER TWEET WITH GNPF-ULAMA Populisme Islam belakangan ini merupakan salah satu topik sentral dalam kajian politik di Indonesia ,†vol. 5, pp. 258–276, 2021.
Normah, B. Rifai, S. Vambudi, and R. Maulana, “Analisa Sentimen Perkembangan Vtuber Dengan Metode Support Vector Machine Berbasis SMOTE,†J. Tek. Komput. AMIK BSI, vol. 8, no. 2, pp. 174–180, 2022, doi: 10.31294/jtk.v4i2.
S. Juanita, “Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes,†J. Media Inform. Budidarma, vol. 4, no. 3, p. 552, 2020, doi: 10.30865/mib.v4i3.2140.
S. Alfarizi and E. Fitriani, “Analisis Sentimen Kendaraan Listrik Menggunakan Algoritma Naive Bayes dengan Seleksi Fitur Information Gain dan Particle Swarm Optimization,†Indones. J. Softw. Eng., vol. 9, no. 1, pp. 19–27, 2023, [Online]. Available: http://ejournal.bsi.ac.id/ejurnal/index.php/ijse
R. Y. Hayuningtyas and R. Sari, “Analisis Sentimen Opini Publik Bahasa Indonesia Terhadap Wisata Tmii Menggunakan Naïve Bayes Dan Pso,†J. Techno Nusa Mandiri, vol. 16, no. 1, pp. 37–42, 2019, doi: 10.33480/techno.v16i1.115.
M. U. Albab, Y. K. P, and M. N. Fawaiq, “Optimization of the Stemming Technique on Text preprocessing President 3 Periods Topic,†vol. 20, no. 2, pp. 1–10, 2023.
A. P. Nardilasari, A. L. Hananto, S. S. Hilabi, T. Tukino, and B. Priyatna, “Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM Pada Media Sosial Twitter,†JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 8, no. 1, p. 11, 2023, doi: 10.31328/jointecs.v8i1.4265.
A. Z. Amrullah, A. Sofyan Anas, and M. A. J. Hidayat, “Analisis Sentimen Movie Review Menggunakan Naive Bayes Classifier Dengan Seleksi Fitur Chi Square,†Jurnal, vol. 2, no. 1, pp. 40–44, 2020, doi: 10.30812/bite.v2i1.804.
F. T. I. Uksw, “Implementasi Web Crawling Untuk Pencarian Harga Sparepart Pada PT Asuransi Sinar Mas,†vol. 7, no. 3, pp. 416–428, 2020.
A. Firdaus and W. I. Firdaus, “Text Mining Dan Pola Algoritma Dalam Penyelesaian Masalah Informasi : (Sebuah Ulasan),†2021.
A. Elza Putra, “Analisis Sentimen Tanggapan Masyarakat kepada Video Youtube mengenai Resesi 2023 menggunakan Metode Naïve Bayes Dan K-Nearest Neighbor (KNN),†pp. 1–23, 2023.
M. Adnan Nur, N. Wardhani, and C. Author, “Optimasi Normalisasi Kata Pada Data Twitter Untuk Meningkatkan Akurasi Analisis Sentimen (Studi Kasus Respon Masyarakat Terhadap Layanan Teman Bus),†J. Fokus Elektroda Energi List. Telekomun. Komputer, Elektron. dan Kendali), vol. 7, no. 4, pp. 237–243, 2022, [Online]. Available: https://elektroda.uho.ac.id/index.php/journal/article/view/21
H. Ardhiansya, A. Burhanuddin, S. D. Alika, J. T. Informatika, and F. Informatika, “Analisis Sentimen Pendapat Masyarakat Terhadap PPKM DKI Jakarta Dengan Metode Naïve Bayes,†vol. 10, no. 2, pp. 60–70, 2023.
W. Trisari, H. Putri, R. Hendrowati, and L. Belakang, “PENGGALIAN TEKS DENGAN MODEL BAG OF WORDS TERHADAP,†vol. 2, no. 1, pp. 129–138, 2020.
I. Print, R. Kosasih, and A. Alberto, “InfoTekJar : Jurnal Nasional Informatika dan Teknologi Jaringan Analisis Sentimen Produk Permainan Menggunakan Metode TF-IDF Dan Algoritma K-Nearest Neighbor,†vol. 1, 2021.
N. Bayes, “ANALISIS SENTIMEN DENGAN NAÃVE BAYES TERHADAP KOMENTAR APLIKASI TOKOPEDIA,†vol. 6, no. 1, 2019.
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.
DOI: http://dx.doi.org/10.30811/jaise.v5i2.6679
Refbacks
- Saat ini tidak ada refbacks.
Indexing :
Journal of Artificial Intelligence and Software Engineering (JAISE) licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.