Analisis Sentimen Terhadap Kandidat Calon Presiden Berdasarkan Tweets Di Sosial Media Menggunakan Naive Bayes Classifier
##plugins.themes.bootstrap3.article.main##
Abstrak
Penelitian ini untuk menganalisis sentimen rakyat Indonesia tentang para kandidat presiden yang kemungkinan akan maju di pilpres tahun 2024 dari tweet pada aplikasi twitter. Tweet pada twitter ini ditulis,diketik dan dipublish oleh netizen Indonesia tentang para kandidat yang kemungkinan akan maju dalam pilpres tahun 2024. Pada penelitian ini, peneliti menggunakan tools yaitu RapidMiner Studio untuk mengumpulkan data tweet dari netizen Indonesia tentang para kandidat. Selanjutnya peneliti menggunakan algoritma Naïve Bayes Classifier untuk menentukan apakah sebuah statement atau sentimen itu bernilai positif atau negatif yang dilakukan menggunakan tools Rapid Miner juga. Dari keempat kandidat yang telah peneliti teliti, Anies mendapat 74% sentimen positif 26% sentimen negatif, lalu disusul oleh Sandi yaitu 57% sentimen positif 43% sentimen negatif, Ganjar mendapat 53% sentimen positif 47% sentimen negatif dan Prabowo mendapat 32% sentimen positif 68% sentimen negatif. Kesimpulan dari penelitian ini supaya bisa mengetahui mana kandidat yang disukai atau dipandang baik oleh rakyat Indonesia dari hasil analisis sentimen dengan algoritma Naïve Bayes dan tools yang digunakan yaitu Rapid Miner.
##plugins.themes.bootstrap3.article.details##
Penulis telah menyetujui bahwa pemegang hak cipta adalah SMATIKA Jurnal. Dan Author berhak menyebarkan artikel tanpa seijin SMATIKA jurnal.
[2] A. I. Hamid, “Analisis Semiotik Meme Anies Baswedan Banjir Jakarta,” Dialekt. KOMUNIKA J. Kaji. Komun. dan Pembang. Drh., vol. 8, no. 1, pp. 36–45, 2020, doi: 10.33592/dk.v8i1.554.
[3] N. Anas, “Komunikasi antara Kognitif dan Kemampuan Berbahasa,” EUNOIA (Jurnal Pendidik. Bhs. Indones., vol. 1, no. 1, pp. 1–8, 2021, doi: http://dx.doi.org/10.30829/eunoia.v1i1.997.
[4] R. D. Himawan and E. Eliyani, “Perbandingan Akurasi Analisis Sentimen Tweet terhadap Pemerintah Provinsi DKI Jakarta di Masa Pandemi,” J. Edukasi dan Penelit. Inform., vol. 7, no. 1, p. 58, 2021, doi: 10.26418/jp.v7i1.41728.
[5] S. R. I. Rezeki, “Penggunaan Sosial Media Twitter dalam Komunikasi Organisasi (Studi Kasus Pemerintah Provinsi Dki Jakarta Dalam Penanganan Covid-19),” J. Islam. Law Stud., vol. 04, no. 02, pp. 63–78, 2020, doi: http://dx.doi.org/10.18592/jils.v4i2.3804.
[6] T. M.Si., “Analisis Akses Dan Penggunaan Media Sosial Oleh Rumah Tangga Dan Individu Di Kota Batu Jawa Timur,” J. Komunika J. Komunikasi, Media dan Inform., vol. 7, no. 2, pp. 72–86, 2018, doi: 10.31504/komunika.v7i2.1627.
[7] W. Maulana and M. Mulyadi, “Ujaran Kebencian Terhadap Jokowi pada Masa Pandemi Covid-19: Studi Kasus Twitter,” J. Lisnguistik Komputasional, vol. 4, no. 1, pp. 27–33, 2021, doi: https://doi.org/10.26418/jlk.v4i1.42.
[8] R. Yunanto, A. P. Purfini, and A. Prabuwisesa, “Survei Literatur: Deteksi Berita Palsu Menggunakan Pendekatan Deep Learning,” J. Manaj. Inform., vol. 11, no. 2, pp. 118–130, 2021, doi: 10.34010/jamika.v11i2.5362.
[9] C.- Pandemic, B. Laurensz, and E. Sediyono, “Analisis Sentimen Masyarakat terhadap Tindakan Vaksinasi dalam Upaya Mengatasi Pandemi Covid-19 ( Analysis of Public Sentiment on Vaccination in Efforts to Overcome the,” J. Nas. Tek. Elektro dan Tekonolgi Inf., vol. 10, no. 2, pp. 118–123, 2021, doi: https://doi.org/10.22146/jnteti.v10i2.1421.
[10] D. R. Alghifari, M. Edi, and L. Firmansyah, “Implementasi Bidirectional LSTM untuk Analisis Sentimen Terhadap Layanan Grab Indonesia Bidirectional LSTM Implementation for Sentiment Analysis Against Grab Indonesia Services,” Manaj. Inform., vol. 12, no. 2, pp. 89–99, 2022, doi: https://doi.org/10.34010/jamika.v12i2.7764.
[11] M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Perbandingan Metode Naïve Bayes dan Support Vector Machine pada Analisis Sentimen Twitter,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020, doi: 10.32664/smatika.v10i02.455.
[12] L. Ardiani, H. Sujaini, and T. Tursina, “Implementasi Sentiment Analysis Tanggapan Masyarakat Terhadap Pembangunan di Kota Pontianak,” J. Sist. dan Teknol. Inf., vol. 8, no. 2, p. 183, 2020, doi: 10.26418/justin.v8i2.36776.
[13] F. Sidik, I. Suhada, A. H. Anwar, and F. N. Hasan, “Analisis Sentimen Terhadap Pembelajaran Daring Dengan Algoritma Naive Bayes Classifier,” J. Linguist. Komputasional, vol. 5, no. 1, p. 34, 2022, doi: 10.26418/jlk.v5i1.79.
[14] A. S. Auliadaya, M. Rizki, and M. A. F. Azhary, “Analisa Pola Pembelian Produk Pada Toko Cimahi- Apriori,” Manaj. Inform., vol. 9, no. 1, pp. 58–69, 2019, doi: https://doi.org/10.34010/jamika.v9i1.1668.
[15] F. N. Hasan and M. Dwijayanti, “Analisis Sentimen Ulasan Pelanggan Terhadap Layanan Grab Indonesia Menggunakan Multinominal Naïve Bayes Classifier,” J. Linguist. Komputasional, vol. 4, no. 2, pp. 52–58, 2021, doi: https://doi.org/10.26418/jlk.v4i2.61.
[16] P. Arsi, R. Wahyudi, and R. Waluyo, “Optimasi SVM Berbasis PSO pada Analisis Sentimen Wacana Pindah Ibu Kota Indonesia,” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 1, no. 10, pp. 231–237, 2021, doi: https://doi.org/10.29207/resti.v5i2.2698.
[17] E. Fitriani, “Perbandingan Algoritma C4.5 Dan Naïve Bayes Untuk Menentukan Kelayakan Penerima Bantuan Program Keluarga Harapan,” Sistemasi, vol. 9, no. 1, p. 103, 2020, doi: 10.32520/stmsi.v9i1.596.
[18] N. Legiawati, T. I. Hermanto, and Y. R. Ramadhan, “Analisis Sentimen Opini Pengguna Twitter Terhadap Perusahaan Jasa Ekspedisi Menggunakan Algoritma Naïve Bayes Berbasis PSO,” J. Ris. Komput., vol. 9, no. 4, pp. 930–937, 2022, doi: 10.30865/jurikom.v9i4.4629.
[19] A. Tangkelayuk and E. Mailoa, “Klasifikasi Kualitas Air Menggunakan Metode KNN , Naïve Bayes Dan Decision Tree,” JATISI, vol. 9, no. 2, pp. 1109–1119, 2022, doi: https://doi.org/10.35957/jatisi.v9i2.2048.
[20] J. Winahyu and I. Suharjo, “Aplikasi Web Analisis Sentimen Dengan Algoritma Multinomial Naïve Bayes,” Kumpul. Artik. Mhs. Pendidik. Tek. Inform., vol. 10, no. 2, p. 206, 2021, doi: 10.23887/karmapati.v10i2.36609.
[21] C. Nas, “Data Mining Prediksi Minat Calon Mahasiswa Memilih Perguruan Tinggi Menggunakan Algoritma C4.5,” J. Manaj. Inform., vol. 11, no. 2, pp. 131–145, 2021, doi: 10.34010/jamika.v11i2.5506.
[22] K. F. Irnanda, A. P. Windarto, and I. S. Damanik, “Optimasi Particle Swarm Optimization Pada Peningkatan Prediksi dengan Metode Backpropagation Menggunakan Software RapidMiner,” J. Ris. Komput., vol. 9, no. 1, pp. 122–130, 2022, doi: 10.30865/jurikom.v9i1.3836.
[23] D. Ardiansyah and W. Walim, “Algoritma c4.5 untuk klasifikasi calon peserta lomba cerdas cermat siswa smp dengan menggunakan aplikasi rapid miner,” J. Inkofar, vol. 1, no. 2, pp. 5–12, 2018, doi: https://doi.org/10.46846/jurnalinkofar.v1i2.29.
[24] P. Pasek, O. Mahawardana, G. Arya, I. P. Agus, and E. Pratama, “Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap ‘ Figure Pemimpin ’ Menggunakan Python,” JITTER-Jurnal Ilm. Teknol. dan Komput., vol. 3, no. 1, pp. 810–820, 2022, doi: https://doi.org/10.5281/zenodo.7177756.
[25] N. A. Rakhmawati, M. I. Aditama, R. I. Pratama, and K. H. U. Wiwaha, “Analisis Klasifikasi Sentimen Pengguna Media Sosial Twitter Terhadap Pengadaan Vaksin COVID-19,” J. Inf. Eng. Educ. Technol., vol. 4, no. 2, pp. 90–92, 2020, doi: 10.26740/jieet.v4n2.p90-92.
[26] H. Sulastomo, K. Gibran, and E. Maryansyah, “Analisis Sentimen Pada Twitter @ Ovo _ Id dengan Metode Support Vectore Machine ( SVM ),” J. Sains Komput. dan Inform., vol. 6, no. September, pp. 1050–1056, 2022, doi: http://dx.doi.org/10.30645/j-sakti.v6i2.514.