Perbandingan Beberapa Algoritma Machine Learning Dalam Analisis Sentimen Terkait Pemilihan Presiden RI 2024

Nopan, Nopan (Universitas Kristen Satya Wacana)
Mailoa, Evangs (Universitas Kristen Satya Wacana)

Jutisi: Jurnal Ilmiah Teknik Informatika dan Sistem Informasi
Vol 13, No 2: Agustus 2024

The 2024 Presidential Election has become a hot topic among the Indonesian community. People often share their opinions and criticisms openly on social media, such as Twitter or X, leading to debates among the public in supporting a presidential candidate. These debates often result in various public comments that are positive, neutral, or negative. Sentiment analysis is used as a method to analyze public opinions and comments using machine learning algorithms. The purpose of this research is to compare the accuracy levels of the Support Vector Machine, Naive Bayes, and Decision Tree algorithms. This research uses a dataset from Twitter, which will go through stages of data merging, text preprocessing, translation, labeling, and algorithm classification. The results of this research show that the Support Vector Machine algorithm has a higher accuracy rate than the other two algorithms, with an accuracy rate of 81.49%.Keywords: Election 2024; Sentiment Analysis; Support Vector Machine; Naive Bayes; Decision Tree.AbstrakPemilihan Presiden 2024 menjadi topik yang hangat dikalangan masyarakat indonesia, masyarakat sering membagikan pendapat dan kritik secara terbuka dimedia sosial twitter atau X, yang menyebabkan subjek perdebatan bagi masyarakat dalam mendukung salah satu kandidat presiden, dampak dari perdebatan ini sering memunculkan berbagai komentar masyarakat yang bersifat positif, netral maupun negatif. Analisis sentimen digunakan sebagai metode untuk menganalisis tentang pendapat dan komentar masyarakat dengan penggunaan algoritma machine learning. Tujuan dari penelitian ini dilakukan untuk membandingkan tingkat akurasi dari algoritma Support Vector Machine, Naive Bayes dan Decision Tree, penelitian ini menggunakan dataset dari twitter yang akan diproses melalui tahapan penggabungan data, preprocessing text, translate, pelabelan dan klasifikasi algoritma. Hasil dari penelitian ini menunjukan bahwa algoritma Support Vector Machine memiliki tingkat akurasi yang lebih tinggi dari kedua algoritma lainnya dengan nilai akurasi 81.49%.