Article Per Year (5 Year)
p-Index From 2021 - 2026
0.444
P-Index
This Author published in this journals
All Journal REMIK : Riset dan E-Jurnal Manajemen Informatika Komputer SAINTEK
Endrik
Universitas Pelita Bangsa
Automotive Engineering Civil Engineering, Building, Construction & Architecture Computer Science & IT Decision Sciences, Operations Research & Management Education Engineering Industrial & Manufacturing Engineering

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
Penerapan Algoritma Naive Bayes dan PSO pada Analisis Sentimen Kandidat Calon Presiden 2024 Endrik; Agung Nugroho; Ahmad Turmudi Zy
REMIK: Riset dan E-Jurnal Manajemen Informatika Komputer Vol. 7 No. 3 (2023): Volume 7 Nomor 3 Agustus 2023
Publisher : Politeknik Ganesha Medan

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33395/remik.v7i3.12638

Abstract

Pemilihan umum merupakan salah satu sarana demokrasi dan bentuk perwujudan kedaulatan rakyat untuk menghasilkan wakil rakyat dan pemimpin yang aspiratif, berkualitas, serta bertanggung jawab untuk mensejahterakan rakyat. Tahun 2024 Indonesia akan mengadakan pesta demokrasi pemilihan kepala negara Indonesia. Setiap tokoh politik yang dicalonkan menjadi kepala negara akan mempertimbangkan popularitas mereka berdasarkan opini masyarakat. Banyaknya opini pada twitter dapat digunakan untuk mengetahui sentimen masyarakat mengenai calon Presiden Indonesia 2024. Penelitian ini bertujuan menganalisa opini masyarakat terkait mengenai 3 kandidat teratas Calon Presiden 2024 untuk mengetahui Hasil klasifikasi senimen analisis masyarakat dengan menggunakan naive bayes method dan feature selection particle swarm optimization serta hasil evaluasi akurasi terbaik pada analisis sentimen. Parameter yang digunakan untuk pengukuran adalah Accuracy, Precision, Recall. Pada pengujian pertama dengan dataset Anies Baswedan menghasilkan Nilai accuracy yang didapatkan Anies Baswedan 63,02%, nilai recall yang didapatkan 65,13%, dan nilai precision yang didapatkan 64,61%. Nilai accuracy yang didapatkan Ganjar Pranowo 87,14%, nilai recall yang didapatkan 87,46%, dan nilai precision yang didapatkan 85,43%. Nilai accuracy yang didapatkan Prabowo Subianto 83,17%, nilai recall yang didapatkan 83,17%, dan nilai precision yang didapatkan 84,17%.
Analisis Sentimen Masyarakat Mengenai Kandidat Calon Presiden 2024 Dari Media Sosial Twitter Menggunakan Metode Naive Bayes Dan Feature Selection Particle Swarm Optimization Asep Arwan Sulaeman; Endrik
Prosiding Sains dan Teknologi Vol. 4 No. 1 (2025): Seminar Nasional Sains dan Teknologi (SAINTEK) ke 4 - Februari 2025
Publisher : DPPM Universitas Pelita Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

The 2024 Indonesian presidential election represents the realization of people’s sovereignty in selecting leaders who are aspirational, qualified, and responsible for public welfare. Public opinion plays a crucial role in shaping the popularity of each candidate, especially through social media platforms such as Twitter. The large volume of opinions shared online provides valuable data for analyzing public sentiment toward the top three presidential candidates in 2024. This study aims to analyze public sentiment regarding Anies Baswedan, Ganjar Pranowo, and Prabowo Subianto using the Naïve Bayes method combined with Feature Selection Particle Swarm Optimization (PSO) to improve classification performance. The evaluation metrics used in this research are Accuracy, Precision, and Recall to measure the effectiveness of the sentiment classification model. The results show varying performance across the three datasets. For Anies Baswedan, the model achieved an accuracy of 63.02%, recall of 65.13%, and precision of 64.61%. For Ganjar Pranowo, the highest performance was obtained with an accuracy of 87.14%, recall of 87.46%, and precision of 85.43%. Meanwhile, Prabowo Subianto’s dataset resulted in an accuracy of 83.17%, recall of 83.17%, and precision of 84.17%. Overall, the method demonstrated the best performance on Ganjar Pranowo’s dataset.
Co-Authors Agung Nugroho Ahmad Turmudi Zy Asep Arwan Sulaeman