Sentiment Analysis Public Twitter on 2024 Election using the Long Short Term Memory Model

Abstract

Abstrak Sebagai Negara Demokrasi pada Tahun 2024 merupakan tahun politik bagi Indonesia dikarenakan akan diadakannya pemilu serentak dimulai dari pejabat dari daerah hingga presiden, oleh karena itu menimbulkan banyak reaksi yang beragam di sosial media terutama twitter yang bisa memunculkan berbagai macam opini, tidak hanya opini yang positif tapi juga yang negatif sehingga menjadi hal menarik untuk dikaji, Kecenderungan pengguna Twitter untuk memposting konten dapat diketahui melalui analisis sentimen, maka tujuan penelitian ini adalah untuk mengetahui sentimen pengguna twitter terhadap pemilu 2024 bernilai negatif atau positif, langkah-langkah dalam penelitian ini dimulai dengan pengumpulan data tweet, melakukan preprocessing text mining kemudian memasukan label lexicon based feature, membangun model dengan Long Short Term Memory (LSTM) dan melakukan evaluasi model dengan confusion matrix tool yang digunakan pada penelitian ini menggunakan google collaboratory, analis sentimen dilakukan dengan 858 data hasil proses preprocessing dengan perbandingan 80% data train dan 20% data uji menghasilkan akurasi sebesar 78% dengan sentimen positif berjumlah 52,2 %, sentimen yang termasuk kedalam positif kebanyakan berisi tentang dukungan untuk menyukseskan pemilu, serta informasi terkait pemilu, dan negatif 37% yang termasuk kedalam sentimen negatif dalam penelitian ini antara lain tweet dengan kata-kata kotor, caci maki, dan penghinaan terhadap partai politik dan netral sebesar 10,8%. Abstract As a Democratic State in 2024 is a political year for Indonesia because there will be simultaneous elections starting from officials from the regions to the president, therefore it causes a lot of diverse reactions on social media, especially Twitter which can give rise to various kinds of opinions, not only positive but also positive opinions. also negative ones so that it becomes an interesting thing to study, the tendency of Twitter users to post content can be known through sentiment analysis, so the purpose of this study is to find out the sentiment of twitter users towards the 2024 election is negative or positive, the steps in this study begin with data collection tweets, preprocessing text mining and then entering lexicon based feature labels, building a model with Long Short Term Memory (LSTM) and evaluating the model with the confusion matrix tool used in this study using google collaboratory, sentiment analysis is carried out with gan 858 data from the preprocessing process with a comparison of 80% of train data and 20% of test data resulted in an accuracy of 78% with positive sentiment amounting to 52.2%, sentiment that was included in the positive mostly contained support for the success of the election, as well as information related to the election, and 37% negative sentiment which is included in the negative sentiment in this study include tweets with dirty words, misguiding opinions, and making fun of political and neutral parties by 10.8%.