PENGARUH PENGGUNAAN LEXICON PADA ANALISIS SENTIMEN MENGENAI PEMILIHAN PRESIDEN INDONESIA 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) - Dalam bentuk buku karya ilmiah

ARIADANI DWI FATHURAHMAN

Informasi Dasar

138 kali
24.04.1711
006.31
Karya Ilmiah - Skripsi (S1) - Reference

Pemilu Presiden dan Wakil Presiden Indonesia merupakan salah satu ajang perwujudan demokrasi di Indonesia yang akan memilih Presiden dan Wakil Presiden Indonesia setiap 5 tahun sekali. Berdasarkan data, jumlah Daftar Pemilih Tetap (DPT) yang melebihi 200 juta orang, menjadikan pemanfaatan internet penting bagi pasangan kandidat untuk mendapatkan dukungan. Salah satu situs web yang memiliki banyak pengunjung di Indonesia adalah YouTube. Tayangan debat kepresidenan di YouTube memantik ruang diskusi publik di dalam kolom komentar video, di mana pada kolom komentar tersebut terdapat opini positif dan negatif dari masyarakat.
Pada penelitian ini, dilakukan analisis sentimen pada setiap pasangan kandidat yang berkontestasi dalam Pemilu Presiden dan Wakil Presiden Indonesia 2024 untuk mengetahui sentimen masyarakat dari video debat kepresidenan. Algoritma yang digunakan untuk klasifikasi sentimen positif dan negatif dilakukan menggunakan algoritma Support Vector Machine (SVM) dengan mengimplementasikan metode pelabelan manual dan lexicon ke dalam pelabelan sentimennya. Dalam menentukan performa terbaik, model dievaluasi menggunakan confusion matrix, classification report, dan kurva ROC/AUC. Setelah dilakukan perbandingan dari rasio pembagian data dan juga metode pelabelan sentimen, didapatkan model SVM dengan rasio 90:10 yang menggunakan pelabelan lexicon merupakan model yang memiliki performa paling baik. Pada dataset Anies – Muhaimin, model menghasilkan nilai akurasi 0,93; nilai precision 0,95; nilai recall 0,95; nilai F1-score 0,95; dan nilai AUC 0,9772. Pada dataset Prabowo – Gibran, model menghasilkan nilai akurasi 0,91; nilai precision 0,93; nilai recall 0,91; nilai F1-score 0,92; dan nilai AUC sebesar 0,97. Sementara itu, dataset Ganjar – Mahfud dihasilkan nilai akurasi 0,91; nilai precision 0,92; nilai recall 0,97; nilai F1-score 0,94; dan nilai AUC 0,96. Penggunaan metode lexicon meningkatkan skor evaluasi sebanyak 1-7% lebih tinggi daripada pelabelan manual di berbagai rasio pembagian data.

Subjek

Machine Learning
 

Katalog

PENGARUH PENGGUNAAN LEXICON PADA ANALISIS SENTIMEN MENGENAI PEMILIHAN PRESIDEN INDONESIA 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) - Dalam bentuk buku karya ilmiah
 
xiv, 109p.:il.: pdf file
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

ARIADANI DWI FATHURAHMAN
Perorangan
Dita Pramesti, Hanif Fakhrurroja
 

Penerbit

Universitas Telkom, S1 Sistem Informasi
Bandung
2024

Koleksi

Kompetensi

  • ISI3F4 - DATA WAREHOUSE DAN BUSINESS INTELLIGENCE

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini