Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM Pada Media Sosial Twitter

Abstract

Stakeholders widely use sentiment analysis in assessing sentiment towards an object. In this research, the object to be taken is sentiment analysis of political figures for the 2024 presidential candidate which is being widely discussed by netizens, especially on Twitter. The issues raised are regarding the performance measurement of an algorithm in classifying sentiments, some algorithms often need a higher level of accuracy. This study aims to improve performance measures from previous studies using the Naïve Bayes algorithm which has a fairly low level of accuracy, and in this study the SVM algorithm was used. This study takes Twitter data related to presidential candidates to see public opinion for each presidential candidate. The data taken was Twitter data with the keywords Ganjar, Anies, Prabowo totaling 8,959 data taken on October 17-25 2022. The results of the test concluded that the SVM algorithm has a performance measure or quite high accuracy compared to the Naïve Bayes algorithm in previous studies only of 73.86% while the SVM algorithm gets an average accuracy value of 98.61%, namely the Ganjar Pranowo dataset, then 98.81% precision, 99.79% recall. And for the proportion of sentiment, the positive sentiment obtained by Ganjar was higher than the other presidential candidates, namely 55%, Prabowo 30% and Anies 15%, while Anies' negative sentiment was 89% higher than Ganjar 8% and Prabowo 3%. Abstrak Analisis Sentimen banyak digunakan pemangku kepentingan dalam menilai sentimen terhadap suatu objek. Pada penelitan ini objek yang akan diambil yaitu analisis sentimen terhadap tokoh politik calon presiden 2024 yang sedang marak diperbincangkan oleh warganet, khususnya di twitter. Adapun permasalahan yang diangkat yaitu mengenai ukuran kinerja suatu algoritma dalam melakukan klasifikasi sentimen, beberapa algoritma kerap memiliki tingkat akurasi yang rendah. Penelitian ini bertujuan untuk meningkatkan performance measure dari penelitian sebelumnya dengan menggunakan algoritma Naïve Bayes yang memiliki tingkat akurasi cukup rendah, dan pada penelitian ini digunakan algoritma SVM. Penelitian ini mengambil data Twitter yang berhubungan terhadap calon presiden untuk melihat opini masyarakat kepada setiap calon presiden. Data yang diambil yaitu data twitter dengan kata kunci Ganjar, Anies, Prabowo sebanyak 8.959 data yang diambil pada tanggal 17-25 Oktober 2022. Hasil dari pengujian mendapatkan kesimpulan algoritma SVM mempunyai performance measure atau akurasi cukup tinggi dibandingkan dengan algoritma Naïve Bayes pada penelitian sebelumnya hanya sebesar 73, 86% sementara algoritma SVM mendapat nilai rata-rata accuracy mencapai 98,61% yaitu dataset Ganjar Pranowo, lalu precision 98,81%, recall 99,79%. Dan untuk proporsi sentimen menunjukan sentimen positif yang diperoleh Ganjar lebih tinggi daripada calon presiden lainnya yaitu 55%, Prabowo 30% dan Anies 15%, Sementara sentimen negatif Anies lebih tinggi 89% daripada Ganjar 8% dan Prabowo 3%.