PRATIWI, FEBRIANTI PUSPITA ANISSA (2025) PENDEKATAN ALGORITMA MACHINE LEARNING UNTUK ANALISIS SENTIMEN MEDIA SOSIAL PILKADA BANTEN 2024. S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 COVER.pdf Download (510kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
02 BAB 1.pdf Restricted to Registered users only Download (91kB) |
|
|
Text (BAB II)
03 BAB 2.pdf Restricted to Registered users only Download (96kB) |
|
|
Text (BAB III)
04 BAB 3.pdf Restricted to Registered users only Download (137kB) |
|
|
Text (BAB IV)
05 BAB 4.pdf Restricted to Registered users only Download (691kB) |
|
|
Text (BAB V)
06 BAB 5.pdf Restricted to Registered users only Download (27kB) |
|
|
Text (DAFTAR PUSTAKA)
07 DAFTAR PUSTAKA.pdf Restricted to Registered users only Download (31kB) |
|
|
Text (LAMPIRAN)
08 LAMPIRAN.pdf Restricted to Registered users only Download (362kB) |
Abstract
The aim of this research is to develop an automated system using Python to analyze public sentiment regarding the 2024 Indonesian Regional Head Elections (Pilkada) in Banten, with a special emphasis on social media, particularly Twitter. Given the large volume of tweets discussing this election, manual sentiment analysis becomes inefficient. Consequently, this research utilizes open-source repositories like TextBlob to analyze tweet data and classify it into three sentiment categories: positive, neutral, and negative. To enhance accuracy and efficiency in large-scale data processing, machine learning algorithms such as Naive Bayes Classifier (NBC) and Support Vector Machine (SVM) are employed. NBC is faster and simpler in classification, while SVM is better at handling more complex data. Before classification, the data is cleaned and stemmed to improve its quality. The research findings indicate that NBC achieves the best overall accuracy of 99 percent with stable performance across all sentiment categories, whereas SVM achieves the best accuracy of 98 percent with the best performance in the neutral category. This study enhances public understanding of the 2024 Banten elections. The analysis results are highly beneficial for political observers, campaign teams, and policymakers when formulating data-driven strategies. The study demonstrates that Python-based automated techniques can provide effective sentiment analysis to gain deeper insights into public views in the digital era. Additionally, this research emphasizes the importance of considering ethics and data privacy when collecting data from Twitter. Tujuan penelitian ini adalah untuk membuat sistem otomatis yang menggunakan Python untuk menganalisis sentimen publik terkait Pilkada Indonesia 2024 di Banten, dengan penekanan khusus pada media sosial, khususnya Twitter. Mengingat banyaknya tweet yang membahas pemilihan ini, melakukan analisis sentimen secara manual menjadi tidak efisien. Akibatnya, penelitian ini menggunakan repositori open-source seperti TextBlob untuk menganalisis data tweet dan membaginya ke dalam tiga kelas sentimen: positif, netral, dan negatif. Untuk meningkatkan akurasi dan efisiensi dalam pengolahan data dalam skala besar, algoritma pembelajaran mesin Naive Bayes Classifier (NBC) dan Support Vector Machine (SVM) digunakan. NBC lebih cepat dan lebih sederhana dalam klasifikasi, sementara SVM lebih baik dalam menangani data yang lebih kompleks. Sebelum diklasifikasikan, data dibersihkan dan distemming untuk meningkatkan kualitasnya. Hasil penelitian menunjukkan bahwa NBC memiliki akurasi terbaik sebesar 99 persen secara keseluruhan dengan kinerja stabil di semua kategori sentimen, sedangkan SVM memiliki akurasi terbaik sebesar 98 persen dengan kinerja terbaik di kategori netral. Studi ini meningkatkan pemahaman publik tentang pemilihan Banten 2024. Hasil analisis ini sangat bermanfaat bagi pengamat politik, tim kampanye, dan pembuat kebijakan ketika mereka membuat strategi berbasis data. Studi ini menunjukkan bahwa teknik otomatis berbasis Python dapat memberikan analisis sentimen yang efektif untuk memahami pandangan publik yang lebih mendalam di era digital. Penelitian ini juga menekankan pentingnya mempertimbangkan etika dan privasi data saat mengumpulkan data dari Twitter. Kata kunci: Pilkada Banten 2024, Analisis Sentimen, Twitter, Python, Machine Learning, SVM, Naive Bayes Classifier.
Actions (login required)
 |
View Item |
