ANALISIS SENTIMEN BAKAL CALON PRESIDEN 2024 MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA TWITTER

Abstract

Indonesia merupakan negara demokrasi dengan penduduk yang sangat banyak dan pengguna Twitter terbesar di dunia. Pemilihan presiden 2024 di Indonesia menjadi suatu topik yang menarik bagi para pengguna Twitter. Tweet masyarakat yang berkaitan dengan para calon presiden dapat digunakan untuk melihat gambaran opini masyarakat terhadap para calon presiden. Banyaknya jumlah tweet yang masuk mengenai para calon presiden mendorong perlunya metode yang membantu untuk melihat opini masyarakat secara efektif. Salah satu metode yang dapat digunakan untuk mengklasifikasikan opini masyarakat secara efektif adalah Support Vector Machine (SVM). Metode ini digunakan untuk mengklasifikasikan suatu opini masyarakat termasuk dalam sentimen positif atau negatif dengan mencari hyperlane terbaik dari kedua kelas klasifikasi. Penambahan fungsi Kernel pada Support Vector Machine berguna untuk mengatasi data yang tidak terpisah secara linear. Penggunaan Metode K-Fold Cross Validation diperuntukan agar data dapat secara bergantian menjadi data uji sehingga meningkatkan akurasi. Pembobotan dilakukan menggunakan Term Frequency Document Inverse Frequency (TF-IDF). Evaluasi sistem dilakukan menggunakan confusion matrix untuk mengukur akurasi sistem dalam melakukan klasifikasi rata-rata akurasi menggunakan kernel linear. Hasil dari klasifikasi didapatkan Anies Baswedan mendapatkan akurasi sebesar 78,28% dan presisi sebesar 81,298%. Ganjar Pranowo mendapatkan akurasi sebesar 82,494% dan presisi sebesar 85,642%. Prabowo Subianto mendapatkan akurasi sebesar 83,904% dan presisi sebesar 86,22%.