Rafi El Falih, 4611417039 (2023) ANALISIS SENTIMEN CALON PRESIDEN INDONESIA 2024 DI TWITTER MENGGUNAKAN NAÏVE BAYES DAN TERM FREQUENCY – INVERSE DOCUMENT FREQUENCY (TF-IDF). Under Graduates thesis, UNIVERSITAS NEGERI SEMARANG.

PDF - Published Version Restricted to Repository staff only Download (3MB) | Request a copy

Abstract

Pemilihan Presiden 2024 di Indonesia menjadi suatu topik yang menarik bagi para pengguna Twitter. Meskipun penyelenggaraan Pemilihan Presiden masih 1 tahun lagi, banyak masyarakat yang memberikan opini tentang calon Presiden 2024 melalui media sosial Twitter. Banyaknya jumlah tweet yang masuk mengenai para calon Presiden mendorong perlunya metode yang membantu untuk melihat opini masayarakat secara efektif. Jejaring sosial, seperti Twitter, secara luas digunakan dalam analisis sentimen untuk mengklasifikasikan persepsi publik (Mustaqim et al. 2020). Twitter sebagai salah satu media sosial yang banyak digunakan oleh masyarakat Indonesia, menjadi tempat yang strategis untuk mengamati opini publik mengenai calon Presiden 2024. Maka dari itu, perlu adanya analisis sentimen terkait opini publik untuk memetakan analisis sentimen masing�masing calon Presiden. Setelah data terkumpul, kemudian data diolah di tahap preprocessing dan pembobotan berbasis kamus lexicon. Selanjutnya, proses terakhir adalah proses klasifikasi. Pada proses klasifikasi ini menggunakan metode naïve Bayes dan term frequency-inverse document frequency (TF-IDF). Metode klasifikasi tersebut dipilih karena bersifat independen dalam mengklasifikasikan tiap variabelnya. Tujuan penelitian ini adalah untuk mengetahui cara kerja dari ekstraksi fitur TF-IDF dan metode naïve Bayes dalam menganalisis sentimen calon Presiden 2024 di Twitter serta mengetahui tingkat akurasi naïve Bayes dan TF-IDF dalam menganalisis sentimen mengenai calon Presiden Indonesia 2024. Berdasarkan penelitian yang telah dilakukan, dengan menggunakan beberapa kombinasi data uji dan data latih, didapatkan hasil akurasi untuk naïve Bayes dan TF-IDF menghasilkan akurasi sebesar 80%. Hal tersebut menunjukkan bahwa metode naïve Bayes dan TF-IDF dinilai masih belum sempurna dalam meningkatkan akurasi sentimen analisis. Oleh karena itu, dalam penelitian selanjutnya, perlu dikembangkan metode analisis sentimen yang lebih canggih dan akurat untuk menghadapi tantangan yang semakin kompleks.

Actions (login required)

View Item