This Author published in this journals
All Journal eProceeding of TIK
Mesti, Mesti
Unknown Affiliation

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Penggunaan Metode Support Vector Machine dalam Analisis Sentimen Bakal Calon Presiden RI Tahun 2024 Mesti, Mesti; Arhami, Muhammad; Mahdi, Mahdi
eProceeding of TIK Vol 3, No 2 (2023): eProTIK: November, 2023
Publisher : Politeknik Negeri Lhokseumawe

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

Abstract

Abstrak— Perkembangan informasi yang sangat cepat membuat masyarakat Indonesia harus tetap update terhadap informasi terkini. Pada tahun 2024 mendatang Indonesia akan mengadakan pesta demokrasi. Beberapa tokoh politik akan maju menjadi bakal calon presiden. Beragam isu dan opini bermuculan, baik terkait prestasi, keunggulan, maupun kekurangan dari masing-masing bakal calon presiden di media sosial. Media sosial yang sering membahas tentang politik yaitu Twitter. Beragam pandangan atau pendapat dicurahkan melalui tweet. Kumpulan pandangan orang-orang di Twitter dapat diolah menjadi sebuah informasi baru yang bermanfaat, yaitu dengan cara membuat sistem cerdas yang mampu menganalisis apakah sebuah tweet memiliki sentimen positif, netral, atau negatif menggunakan model machine learning. Pengujian ini menggunakan sebanyak 1050 tweet yang berkaitan tentang 3 bakal calon kandidat presiden yaitu Prabowo Subianto, Ganjar Pranowo, dan Anies baswedan. Menggunakan penerapan metode support vector machine untuk analisis sentimen tweet, metode cross validation untuk menilai kinerja support vector machine, dan metode confusion matrix untuk evaluasi model. Berdasarkan hasil evaluasi metode support vector machine menggunakan confusion matrix diperoleh akurasi sebesar 91% dengan nilai cross validation sebesar 89%. Jadi dapat disimpulkan bahwa metode support vector machine cocok diterapkan untuk analisis sentimen bakal calon presiden Indonesia tahun 2024. Kata kunci— Machine Learning, SVM, Sentimen, Tweet.