ANALISIS SENTIMEN PEMILU 2024 DENGAN NAIVE BAYES BERBASIS PARTICLE SWARM OPTIMIZATION (PSO)

Tommy Dwi Putra, Ema Utami, Mei P.Kurniawan

Abstract

Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah prepocessing menjadi 1.000 data. Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk NB tanpa PSO nilai akurasi sebesar 73,67%. Sedangkan untuk algoritma NB+PSO nilai akurasi sebesar 78,33%.Dalam penelitian ini dapat diketahui bahwa tingkat akurasi yang didapatkan algoritma NB+PSO lebih unggul dibandingkan algoritma NB tanpa PSO.

Keywords

Pemilu; Analisis sentimen; Naïve Bayes; Particle Swarm Optimization

Full Text:

PDF

References

KPU, “Kampanye Pemilihan Umum,” peraturan.bpk.go.id, 2018. https://peraturan.bpk.go.id/Home/Details/173318/peraturan-kpu-no-23-tahun-2018 (accessed Apr. 17, 2022).

T. Rizki Putra and A. Nurcholis, “Pengaruh Media Sosial terhadap Partisipasi Pemilih Pemula pada Pemilihan Presiden 2019: Studi pada Mahasiswa FISIPOL UGM,” J. PolGov, vol. 2, no. 1, pp. 193–222, 2021, doi: 10.22146/polgov.v2i1.1372.

I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Inform., vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.

N. Herlinawati, Y. Yuliani, S. Faizah, W. Gata, and S. Samudi, “Analisis Sentimen Zoom Cloud Meetings di Play Store Menggunakan Naïve Bayes dan Support Vector Machine,” CESS (Journal Comput. Eng. Syst. Sci., vol. 5, no. 2, p. 293, 2020, doi: 10.24114/cess.v5i2.18186.

S. Budi, “Text Mining Untuk Analisis Sentimen Review Film,” Techno.COM, vol. 16, no. 1, pp. 1–8, 2017.

A. Mustopa, Hermanto, Anna, E. B. Pratama, A. Hendini, and D. Risdiansyah, “Analysis of user reviews for the pedulilindungi application on google play using the support vector machine and naive bayes algorithm based on particle swarm optimization,” 2020 5th Int. Conf. Informatics Comput. ICIC 2020, vol. 2, 2020, doi: 10.1109/ICIC50835.2020.9288655.

S. Juanita, “Analisis Sentimen Persepsi Masyarakat Terhadap Pemilu 2019 Pada Media Sosial Twitter Menggunakan Naive Bayes,” J. Media Inform. Budidarma, vol. 4, no. 3, p. 552, 2020, doi: 10.30865/mib.v4i3.2140.

R. Hendra Tinambunan, J. Titaley, and C. E. Mongi, “KLASIFIKASI NAIVE BAYES DALAM MEMPREDIKSI TINGKAT PROGRAM STUDI MATEMATIKA FMIPA UNIVERSITAS SAM RATULANGI MANADO,” Pros. Semin. Nas. SAINS DAN Terap. VI, pp. 141–149, 2022.

E. Rini Yulia and K. Solecha, “Implementasi Particle Swarm Optimization (PSO) pada Analysis Sentiment Review Aplikasi Trafi menggunakan Algoritma Naive Bayes (NB),” J. Tek. Komput. AMIK BSI, vol. 7, no. 1, pp. 25–29, 2021, doi: 10.31294/jtk.v4i2.

F. Septianingrum and A. S. Y. Irawan, “Metode Seleksi Fitur Untuk Klasifikasi Sentimen Menggunakan Algoritma Naive Bayes: Sebuah Literature Review,” J. Media Inform. Budidarma, vol. 5, no. 3, p. 799, 2021, doi: 10.30865/mib.v5i3.2983.

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.

DOI: https://doi.org/10.35200/explore.v13i1.617

Refbacks

  • There are currently no refbacks.