Analisis Sentimen Popularitas Capres dan Pilpres pada Media Sosial Twitter: Perbandingan Algoritma SVM, KNN, dan Naïve Bayes
DOI:
https://doi.org/10.62411/tc.v23i2.10135Keywords:
Capres dan PilpresAbstract
Untuk memaham bagamana tokoh publk dpersepskan dan drespon oleh masyarakat d era meda sosial, analsis sentimen sangat berguna. Ini terutama berlaku karena popularitas tokoh publik meningkat di era meida sosial. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut dan memberikan pemahaman yang bermanfaat tentang bagiamana masyarakat bertindak terhadap pemlhan presiden dan capres yang saat ini sangat diperdebatkan di medai sosial, serta bagiamana hal tu berdampak pada opn publk secara keseluruhan, khususnya d Twtter. Stud n bertujuan untuk mengkategorkan tweet emosonal ke dalam kategor postf atau negatf dengan menggunakan algortma pembagan terstruktur sepert Support Vector Machnes (SVM), Nave Bayes (NB), dan K-Nearest Neghbor. Hasl pengujan menunjukkan bahwa algortma NB memlk tngkat akuras 94,62% dan press 100%, mengalahkan SVM dan K-NN dalam menyelesakan kasus kepercayaan.References
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.
A. Anjani, A. Chamid, and A. Murti, “Analisis Sentimen Kaum LGBT pada Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,” JTINFO J. Tek. Inform., vol. 1, no. 2, pp. 1–8, 2022.
M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.
D. R. Berliana and B. Santoso, “Elektabilitas Ridwan Kamil Dan Anies Baswedan Dalam Simulasi Pilpres 2024 Di Twitter (Analisis Jaringan Media Sosial Dan Analisis Sentimen Pengguna Twitter Terhadap #Ridwankamil Dan #Aniesbaswedan),” Mediakom J. Ilmu Komun., vol. 6, no. 2, pp. 150–162, 2022, doi: 10.35760/mkm.2022.v6i2.6962.
F. Fathonah and A. Herliana, “Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid - 19 Menggunakan Metode Naïve Bayes,” J. Sains dan Inform., vol. 7, no. 2, pp. 155–164, 2021, doi: 10.34128/jsi.v7i2.331.
M. R. Fais Sya’ bani, U. Enri, and T. N. Padilah, “Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes,” JURIKOM (Jurnal Ris. Komputer), vol. 9, no. 2, p. 265, 2022, doi: 10.30865/jurikom.v9i2.3989.
F. V. Sari and A. Wibowo, “Analisis Sentimen Pelanggan Toko Online Jd.Id Menggunakan Metode Naïve Bayes Classifier Berbasis Konversi Ikon Emosi,” J. SIMETRIS, vol. 10, no. 2, pp. 681–686, 2019, [Online]. Available: https://jurnal.umk.ac.id/index.php/simet/article/view/3487/1883
D. Muhidin and A. Wibowo, “Perbandingan Kinerja Algoritma Support Vector Machine dan K-Nearest Neighbor Terhadap Analisis Sentimen Kebijakan New Normal,” STRING (Satuan Tulisan Ris. dan Inov. Teknol., vol. 5, no. 2, p. 153, 2020, doi: 10.30998/string.v5i2.6715.
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.
F. A. Rohmansyah, B. Bintoro, and I. Santoso, “ANALISIS SENTIMEN TERHADAP PENERAPAN SISTEM GANJIL GENAP MENGGUNAKAN METODE K - NEAREST NEIGHBOR,” vol. 7, no. 2, pp. 165–169, 2023.
Syahril Dwi Prasetyo, Shofa Shofiah Hilabi, and Fitri Nurapriani, “Analisis Sentimen Relokasi Ibukota Nusantara Menggunakan Algoritma Naïve Bayes dan KNN,” J. KomtekInfo, vol. 10, pp. 1–7, 2023, doi: 10.35134/komtekinfo.v10i1.330.
M. R. A. Nasution and M. Hayaty, “Perbandingan Akurasi dan Waktu Proses Algoritma K-NN dan SVM dalam Analisis Sentimen Twitter,” J. Inform., vol. 6, no. 2, pp. 226–235, 2019, doi: 10.31311/ji.v6i2.5129.
A. L. Hananto, B. Priyatna, and A. Y. Rahman, “Penerapan Algoritma Djikstra Pada Sistem Monitoring Petugas Lapangan Pemkab Bekasi Berbasis Android,” JOINTECS (Journal Inf. Technol. Comput. Sci., vol. 4, no. 3, p. 95, 2019, doi: 10.31328/jointecs.v4i3.1078.
Downloads
Published
Issue
Section
License
Pernyataan Lisensi
Artikel yang diterbitkan dalam jurnal Techno.Com dilisensikan di bawah Lisensi Creative Commons Atribusi-NonKomersial 4.0 Internasional (CC BY-NC 4.0).
Anda diperbolehkan untuk menyalin, mendistribusikan, menampilkan, dan melakukan karya dari artikel ini serta membuat karya turunan selama Anda memberikan kredit yang sesuai kepada penulis asli dan tidak menggunakan karya ini untuk tujuan komersial. Untuk melihat salinan lisensi ini, kunjungi [Creative Commons Attribution-NonCommercial 4.0 International](https://creativecommons.org/licenses/by-nc/4.0/).
---
Contoh pengkreditan:
- Penulis: [Nama Penulis]
- Judul Artikel: [Judul Artikel]
- Jurnal: Techno.Com, Vol. [Nomor Volume], No. [Nomor Edisi], Tahun [Tahun Penerbitan]
Jika Anda ingin menggunakan karya ini untuk tujuan komersial, Anda harus mendapatkan izin terlebih dahulu dari penulis atau penerbit.
---
