Analisis Sentimen Terhadap Kinerja KPU Menjelang Pemilu 2024 Berdasarkan Opini Twitter Menggunakan Naïve Bayes
DOI:
https://doi.org/10.55123/storage.v2i3.2293Keywords:
Sentimen, KPU, Pemilu2024, TwitterAbstract
Era globalisasi saat ini memengaruhi pesatnya kemajuan teknologi informasi yang beredar di masyarakat salah satu perantaranya ialah melalui media sosial Twitter, Twitter dapat dimanfaatkan sebagai sarana menyampaikan pendapat terkait saran, kritik, maupun opini-opini publik. Salah satunya perihal kinerja KPU menjelang pemilu 2024 yang muncul diakhir tahun 2022 dan awal tahun 2023, mengenai skandal manipulasi data keanggotaan parpol di website KPU, hingga penundaan pemilu. Penelitian ini menggunakan metode text mining yang terdiri dari tahapan scraping data, labeling, cleansing, preprocessing, algoritma Naïve Bayes, pembobotan memakai perhitungan TF-IDF, pengujian data memakai confusion matrix dengan menggunakan pemrograman python. Didapatkan data yang berjumlah 2475 data, yaitu sebanyak 321 data positif, 409 data netral, dan 1745 data negatif. Berdasarkan hasil pengujian confusion matrix dengan pemrograman python didapatkan hasil akurasi negatif sebesar 74.5% berdasarkan nilai tersebut membuktikan tingkat kepercayan pada kinerja KPU menjelang proses pemilu 2024 mendatang tergolong kurang baik.
Downloads
References
Amirul Haj, A.S., Amrizal, V. and Arini, A. (2020) ‘Analisis Sentimen Kinerja KPU Pemilu 2019 Menggunakan Algoritma K-Means Dengan Algoritma Confix Stripping Stemmer’, Journal of Innovation Information Technology and Application (JINITA), 2(01), pp. 9–18. Available at: https://doi.org/10.35970/jinita.v2i01.119.
Metera, I.G.M. and Mekarsari, N.K.A. (2022) ‘Widya Amerta Jurnal Manajemen Fak. Ekonomi, Vol. 5 No. 2 September 2018 1’, Jurnal Manajemen Widya Amerta Fakultas Ekonomi, 9(1), pp. 1–15.
Normawati, D. and 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), pp. 697–711. Available at: http://ejurnal.tunasbangsa.ac.id/index.php/jsakti/article/view/369.
Nurtikasari, Y. et al. (2022) ‘Analisis Sentimen Opini Masyarakat Terhadap Film Pada Platform Twitter Menggunakan Algoritma Naive Bayes’, 1(4), pp. 411–423. Available at: https://doi.org/10.55123/insologi.v1i4.770.
Puspa, T. et al. (2023) ‘Analisis sentimen ulasan pada e-commerce shopee menggunakan algoritma naive bayes dan support vector machine Analysis of review sentiment on shopee e-commerce using the naive bayes algorithm and support vector machine’, 4, pp. 16–26. Available at: https://doi.org/10.37373/infotech.v4i1.422.
Raharjo, R.A., Sunarya, I.M.G. and Divayana, D.G.H. (2022) ‘Perbandingan Metode Naïve Bayes Classifier Dan Support Vector Machine Pada Kasus Analisis Sentimen Terhadap Data Vaksin Covid-19 Di Twitter’, Elkom : Jurnal Elektronika dan Komputer, 15(2), pp. 456–464. Available at: https://doi.org/10.51903/elkom.v15i2.918.
Rahayu, I.P., Fauzi, A. and Indra, J. (2022) ‘Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Dan Support Vector Machine’, Jurnal Sistem Komputer dan Informatika (JSON) Hal: 296−, 301(2), pp. 25–38.
Safira, A. et al. (2023) ‘PAYLATER MENGGUNAKAN METODE NAIVE BAYES’, 5(1), pp. 59–70.
Sari, F.V. and Wibowo, A. (2019) ‘ANALISIS SENTIMEN PELANGGAN TOKO ONLINE JD.ID MENGGUNAKAN METODE NAÏVE BAYES CLASSIFIER BERBASIS KONVERSI IKON EMOSI’, Jurnal SIMETRIS, 10(2), pp. 681–686. Available at: https://jurnal.umk.ac.id/index.php/simet/article/view/3487/1883.
Wiguna, R.A. raffaidy and Rifai, A.I. (2021) ‘Analisis Text Clustering Masyarakat Di Twitter Mengenai Omnibus Law Menggunakan Orange Data Mining’, Journal of Information Systems and Informatics, 3(1), pp. 1–12. Available at: https://doi.org/10.33557/journalisi.v3i1.78.
Downloads
Published
Issue
Section
License
Copyright (c) 2023 Fuad Amirullah, Syariful Alam, M.Imam Sulistyo S
This work is licensed under a Creative Commons Attribution 4.0 International License.
