<![CDATA[Abstrak - Pemilihan Umum (Pemilu) 2024 di Indonesia menjadi momen penting bagi negara untuk menentukan pemimpin baru melalui 3 pasangan kandidat capres dan cawapres yang bersaing. Media sosial khususnya Twitter menjadi platform utama yang menyuarakan opini publik mengenai Pemilu 2024. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap capres dan cawapres menggunakan teknik analisis sentimen dan menggunakan alat kecerdasan buatan yaitu algoritma Naïve Bayes. Melalui tinjauan pustaka dari beberapa penelitian terkait, penelitian ini menunjukkan bahwa algoritma Naïve Bayes sangat efektif dalam mengklasifikasikan sentimen publik kedalam 3 kategori utama, yaitu sentimen positif, sentimen negatif, dan sentimen netral. Penelitian pertama menunjukkan dominasi sentimen positif, sementara penelitian kedua menunjukkan dominasi sentimen negatif di beberapa kandidat dengan akurasi yang meningkat melalui optimasi fitur dan pelabelan otomatis. Pada penelitian ketiga memperlihatkan hasil yang konsisten, dengan dominasi sentimen positid dan akurasi sebesar 77%. Secara keseluruhan, algoritma Naïve Bayes terbukti efektif dalam menganalisis sentimen media sosial. Namun, untuk hasil yang lebih komprehensif, disarankan untuk menggabungkan teknik lain seperti Support Vector Machine (SVM) dan memperluas cakupan penelitian terhadap algoritma tambahan.Kata kunci: Pemilu, Analisis Sentimen, Klasifikasi Naïve Bayes, Twitter Abstract - The 2024 General Election (Pemilu) in Indonesia represents a significant juncture in the country's political history, offering the opportunity to elect new leaders through the selection of three presidential and vice presidential candidates. Social media, particularly Twitter, serves as the primary platform for public discourse on the 2024 election. The objective of this research is to analyse public sentiment towards presidential and vice presidential candidates using sentiment analysis techniques and artificial intelligence tools, specifically the Naïve Bayes algorithm. A review of the literature on this topic reveals that the Naïve Bayes algorithm is an effective approach for classifying public sentiment into three main categories: positive, negative, and neutral. The initial study indicated the prevalence of positive sentiment, whereas the subsequent study demonstrated the ascendancy of negative sentiment in certain candidates, with enhanced precision through the optimization of features and the automation of labeling. The third study yielded consistent results, with a predominance of positive sentiment and an accuracy of 77%. Overall, the Naïve Bayes algorithm proved effective in analyzing social media sentiment. However, for more comprehensive results, it is recommended to incorporate other techniques such as Support Vector Machine (SVM) and expand the scope of research to additional algorithms.Keywords: General Election, Sentiment Analysis, Naïve Bayes algorithm, Twitter]]>
Copyrights © 2025
