Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes
DOI:
https://doi.org/10.30865/jurikom.v9i2.3989Keywords:
Bakal Calon Presiden, Pilpres, Knowledge Discovery from Data, Naïve bayes, Skor SentimenAbstract
Presiden Indonesia saat ini telah memegang jabatan yang sama selama 2 periode secara berturut – turut yang mana pada dasar peraturan untuk menjadi calon presiden sudah tidak bisa mencalonkan kembali menjadi presiden, dalam hal itu banyak lembaga survei yang telah mengeluarkan hasil survei terhadap beberapa tokoh yang memiliki elektabilitas untuk bisa menjadi calon presiden, berdasarkan hal tersebut juga banyak warganet yang menyampaikan pendapat, dari pendapat tersebut bisa dibuat kesimpulan mengenai sentimen warga masyarakat terhadap suatu tokoh bakal calon presiden tersebut dengan menggunakan metode Knowledge Discovery from Data dengan menggunakan algoritme naïve bayes dan perhitungan skor sentimen dengan harapan dari penelitian ini bisa memberikan bahan referensi kepada masyarakat dalam memilih presiden di pilpres yang akan datang. Hasil dari penelitian ini mendapatkan kesimpulan bahwa warganet memiliki sentimen positif terhadap setiap tokoh bakal calon presiden yang akan datang. Kemudian untuk hasil evaluasi dari algoritme naïve bayes yang didapatkan dari dataset pertama adalah 73,68 akurasi dan AUC 0,74 pada fold ke-7, dataset kedua adalah 71,43 untuk akurasi dan AUC 1,0 pada fold ke – 5, untuk dataset ketiga nilai akurasi yang didapat 60% dan AUC 0,92 pada fold ke-1, dan untuk dataset terakhir nilai akurasi yang didapatkan adalah 62,5% dan AUC 0,65 pada fold ke-3.References
Apif Supriadi and Fatmasari, “Implementasi metode klasifikasi naive bayes pada sistem analisis opini pengguna twitter berbasis web,†J. Sist. Inf., vol. 10, no. 1, pp. 46–54, 2021, doi: 10.51998/jsi.v10i1.356.
Pemerintah Indonesia, Undang - Undang Republik Indonesia Nomor 42 Tahun 2008 Tentang Pemilihan Umum Presiden dan Wakil Presiden. Jakarta, Indonesia: Sekretariat Negara, 2008.
E. Safitri, “Zulhas didorong nyapres 2024, survei membuktikan...,†detikNews, 2021. https://news.detik.com/berita/d-5705142/zulhas-didorong-nyapres-2024-survei-membuktikan (accessed Dec. 06, 2021).
NewIndonesia Research & Consulting, “Baliho puan bertebaran, ganjar kian berkibar,†Liputan Media, 2021. https://newindoresearch.com/baliho-puan-bertebaran-ganjar-kian-berkibar/ (accessed Dec. 06, 2021).
N. A. Akbar and N. Nasrullah, “Nama-nama ini konsisten di 6 besar survei capres 2024,†republika.co.id, 2021. https://www.republika.co.id/berita/qxvpxm440/namanama-ini-konsisten-di-6-besar-survei-capres-2024 (accessed Dec. 06, 2021).
we are social and Hootsuite, “Digital 2021 Indonesia,†Canada, New York, 2021. [Online]. Available: https://www.slideshare.net/DataReportal/digital-2021-indonesia-january-2021-v01.
X. Wu et al., “Top 10 algorithms in data mining,†Knowl. Inf. Syst., vol. 14, no. 1, pp. 1–37, 2008, doi: 10.1007/s10115-007-0114-2.
Y. A. Singgalen, “Pemilihan metode dan algoritma dalam analisis sentimen di media sosial : sistematic literature review,†J. Inf. Syst. Informatics, vol. 3, no. 2, pp. 278–302, 2021, doi: 10.33557/journalisi.v3i2.125.
W. Yulita, E. D. Nugroho, and M. H. Algifari, “Analisis sentimen terhadap opini masyarakat tentang vaksin covid - 19 menggunakan algoritma naïve bayes classifier,†JDMSI, vol. 2, no. 2, pp. 1–9, 2021.
A. Muzaki and A. Witanti, “Sentiment analysis of the community in the twitter to the 2020 election in pandemic covid-19 by method naive bayes classifier,†J. Tek. Inform., vol. 2, no. 2, pp. 101–107, 2021, doi: 10.20884/1.jutif.2021.2.2.51.
E. B. Santoso and A. Nugroho, “Analisis sentimen calon presiden indonesia 2019 berdasarkan komentar publik di facebook,†Eksplora Inform., vol. 9, no. 1, pp. 60–69, 2019, doi: 10.30864/eksplora.v9i1.254.
V. Kalra and R. Aggarwal, “Importance of text data preprocessing & implementation in rapidminer,†Proc. First Int. Conf. Inf. Technol. Knowl. Manag., vol. 14, no. July, pp. 71–75, 2018, doi: 10.15439/2017km46.
A. Kulkarni and A. Shivananda, Natural language processing recipes. New York: Springer Science+, 2019.
T. I. Saputra and R. Arianty, “Implementasi algoritma k-means clustering pada analisis sentimen keluhan pengguna indosat,†J. Ilm. Inform. Komput., vol. 24, no. 3, pp. 191–198, 2019, doi: 10.35760/ik.2019.v24i3.2361.
F. Pedregosa et al., “Scikit-learn: machine learning in python,†J. Mach. Learn. Res., vol. 12, pp. 2825–2830, 2011, [Online]. Available: https://jmlr.csail.mit.edu/papers/v12/pedregosa11a.html.
G. James, D. Witten, T. Hastie, and R. Tibshirani, An introduction to statistical learning, Second Edi. New York: Springers, 2021.
D. Berrar, “Cross-validation,†Encycl. Bioinforma. Comput. Biol. ABC Bioinforma., vol. 1–3, no. January 2018, pp. 542–545, 2018, doi: 10.1016/B978-0-12-809633-8.20349-X.
K. L. Bansal and S. V. S. Pathania, “A dynamic approach to improve the sentiment score using machine learning algorithms on twitter,†Purva Mimaansa, vol. 12, no. September, pp. 1–8, 2021.
N. Singh, N. Sharma, and A. Juneja, “Sentiment score analysis for opinion mining,†Adv. Intell. Syst. Comput., vol. 748, pp. 363–374, 2019, doi: 10.1007/978-981-13-0923-6_32.
J. Han, M. Kamber, and J. Pei, Data mining: concepts and techniques, Third. United States of America: Elsevier Inc., 2012.
F. Gorunescu, Data mining concepts, model, and techniques. Chennai, India: Springer, 2010.
