ANALISIS SENTIMEN TERHADAP PROGRAM KAMPANYE TABRAK PROFPADA MEDIA SOSIAL X DENGANMENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Fauzan Maulana Lubis; Muhammad Ikhsan

doi:10.30656/jsii.v12i1.10134

Authors

Fauzan Maulana Lubis UIN Sumatera Utara
Muhammad Ikhsan UIN Sumatera Utara

DOI:

https://doi.org/10.30656/jsii.v12i1.10134

Abstract

Pada Tahun 2024 Indonesia memasuki tahun demokrasi yaitu Pemilihan Presiden dan Wakil Presiden yang diadakan setiap 5 tahun sekali yang banyak menarik perhatian, Pasangan calon Presiden dan wakil Presiden Ganjar Pranowo dan Mahfud MD menghadirkan inovasi baru dalam berkampanye yaitu melalui program "Tabrak Prof" di mana mereka berinteraksi langsung dengan masyarakat untuk mendengarkan aspirasi dan keluh kesah secara terbuka. Kampanye ini juga banyak mendapat simpati di berbagai kalangan, termasuk mahasiswa dan pekerja informal, serta memanfaatkan media sosial khususnya media sosial X untuk menyebarkan informasi dan berinteraksi dengan publik. Media sosial X dikenal sebagai pusat informasi cepat dan tepat, serta menjadi sarana efektif dan efisien untuk tempat promosi atau berkampanye. Penelitian ini di harapkan dapat bermanfaat dan membantu untuk melakukan riset atas opini masyarakat yang mengadung sentimen positif dan negatif melalui teknik pengolahan data tekstual. Penelitian ini menggunakan Algoritma Support Vector Machine, dengan menggunakan 944 data. data kemudian di beri label (kelas) dengan menggunakan kamus inset lexicon, dari hasil pelabelan di peroleh data berlabel positif sebanyak 604 opini dan 340 opini berlabel negatif, dari beberapa opini yang sudah di dapatkan, maka akan dilakukan Analisis Sentimen dengan menggunakan Algoritma Support Vector Machine (SVM). penelitian ini juga menerapkan metode pembobotan TF-IDF. sistem yang di evaluasi dengan menggunakan confusin matrix Pada hasil pengujian di dapatkan tingkat Akurasi yang di hasilkan dengan menggunakan Algoritma Support Vector Machine adalah sebesar 81%, Precision sebesar 81%, Recall sebesar 90% dan F1-score sebesar 85%.

Kata kunci : Tabrak Prof, Analisis Sentimen, Kampanye, Support Vector Machine

References

[1] Af’idah, D. I., Dairoh, D., Handayani, S. F., & Pratiwi, R. W. (2021). Pengaruh Parameter Word2Vec terhadap Performa Deep Learning pada Klasifikasi Sentimen. Jurnal Informatika: Jurnal Pengembangan IT, 6(3), 156–161. https://doi.org/10.30591/jpit.v6i3.

[2] Ananda, F. D., & Pristyanto, Y.(2021). Analisis Sentimen Pengguna Twitter Terhadap Layanan Internet Provider Menggunakan Algoritma Support Vector Machine. MATRIK : Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer, 20(2), 407–416. https://doi.org/10.30812/matrik.v20i2.1130.

[3] Ikhsan, M., Armansyah, A., & Tamba, A. A. (2022). Implementasi Jaringan Syaraf Tiruan Backpropagation Pada Klasifikasi Grade Teh Hitam. Jurnal Sistem Komputer Dan Informatika (JSON), 4(2), 387. https://doi.org/10.30865/json.v4i2.5312.

[4] Darwis, D., Pratiwi, E.S., & Pasaribu, A. F. O. (2020). Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic -Scientific Journal of Informatics Education, 7(1), 1–11. https://doi.org/10.21107/edutic.v7i1.8779/

[5] Fathonah, F., & Herliana, A. (2021). Penerapan Text Mining Analisis Sentimen Mengenai Vaksin Covid -19 Menggunakan Metode Naïve Bayes. Jurnal Sains Dan Informatika, 7(2), 155–164. https://doi.org/10.34128/jsi.v7i2.331/

[6] Hayati, H., & Alifi, M. R. (2021).ANALISIS SENTIMEN PADA TWEET TERKAIT VAKSIN COVID-19 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. 7(September), 110–119.

[7] Gormantara, A. (2020). Analisis Sentimen Terhadap New Normal Era di Indonesia pada Twitter Analisis Sentimen Terhadap New Normal Era di Indonesia pada Twitter Menggunakan Metode Support Vector Machine. July.

[8] Hasri, C. F., & Alita, D. (2022). PENERAPAN METODE NAÏVE BAYES CLASSIFIER DAN SUPPORT VECTOR MACHINE PADA ANALISIS SENTIMEN TERHADAP DAMPAK VIRUS CORONA DI TWITTER. 3(2), 145–160.

[9] Herlinawati, N., Yuliani, Y., Faizah, S., Gata, W., & Samudi, S. (2020). Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine. CESS (Journal of Computer Engineering, System and Science), 5(2), 293. https://doi.org/10.24114/cess.v5i2.18186.

[10] Hermawansyah, A., & Pratama, A. R. (2021). Analisis Profil dan Karakteristik Pengguna Media Sosial di Indonesia dengan Metode EFA dan MCA Analysis of Profiles and Characteristics of Social Media Users in Indonesia using EFA and MCA Methods. Februari, 20(1), 69–82. https://dspace.uii.ac.id/handle/123456789/42383.

[11] Hokijuliandy, E., Napitupulu, H., & Firdaniza, F. (2023). Analisis Sentimen Menggunakan Metode Klasifikasi Support Vector Machine (SVM) dan Seleksi Fitur Chi-Square. SisInfo : Jurnal Sistem Informasi Dan Informatika, 5(2), 40–49. https://doi.org/10.37278/sisinfo.v5i2.670

[12] Isnain, A. R., Sakti, A. I., Alita, D., & Marga, N. S. (2021). Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma Svm. Jurnal Data Mining Dan Sistem Informasi, 2(1), 31. https://doi.org/10.33365/jdmsi.v2i1.1021.

[13] Natasuwarna, A. P. (2020). Seleksi Fitur Support Vector Machine pada Analisis Sentimen Keberlanjutan Pembelajaran Daring. Techno.Com, 19(4), 437–448. https://doi.org/10.33633/tc.v19i4.4044.

[14] Normawati, D., & Prayogi, S. A. (2021). Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter. Jurnal Sains Komputer & Informatika (J-SAKTI), 5(2), 697–711.

[15] Riadi, I., Fadlil, A., & Murni, M. (2023). Identifying Hate Speech in Tweets with Sentiment Analysis on Indonesian Twitter Utilizing Support Vector Machine Algorithm. Khazanah Informatika : Jurnal Ilmu Komputer Dan Informatika, 9(2), 179–191. https://journals.ums.ac.id/index.php/khif/article/view/22470