IMPLEMENTASI METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE (SVM) DALAM MENGANALISA SENTIMEN PUBLIK TERHADAP PARTAI POLITIK DI INDONESIA

Purba, Reytama Syahdewa (2024) IMPLEMENTASI METODE LEXICON BASED DAN SUPPORT VECTOR MACHINE (SVM) DALAM MENGANALISA SENTIMEN PUBLIK TERHADAP PARTAI POLITIK DI INDONESIA. Other thesis, UPN Veteran Yogyakarta.

	Text Cover.pdf Download (1MB)
	Text Abstrak.pdf Download (7kB)
	Text Halaman Pengesahan Pembimbing.pdf Download (304kB)
	Text Halaman Pengesahan Penguji.pdf Download (230kB)
	Text daftarisi.pdf Download (55kB)
	Text daftarpustaka.pdf Download (137kB)
	Text reytamafinal1.1.pdf Restricted to Repository staff only Download (2MB)

Abstract

Komentar masyarakat yang kerap muncul di media sosial, sering kali memicu konflik serta perdebatan yang dapat berujung pada permusuhan di antara para pengguna. Hal ini bisa menjadi dampak yang merugikan, terutama jika terus dibiarkan. Dalam konteks komentar masyarakat terhadap partai politik, situasi ini menciptakan risiko ketegangan sosial yang lebih besar, yang sebaiknya dikelola atau diatasi untuk mencegah dampak negatif lebih lanjut.

Analisis sentimen menjadi jalan keluar yang bisa dilakukan untuk mengenali variasi dan pattern yang sering mengakibatkan mispersepsi dari komentar masyarakat terhadap partai politik pada sosial media X. Dimana Jejaring sosial seperti Twitter, umumnya digunakan dalam analisis sentimen untuk menentukan persepsi publik Penelitian ini menggunakkan metode lexicon based yang dikombinasikan dengan metode Support Vector Machine (SVM). Analisis sentimen pada penelitian ini terdiri dari tiga kelas yaitu kelas positif, kelas negatif, dan kelas netral. Model yang telah dibangun dilakukan pengujian dengan tabel confusion matrix. Dari tabel confusion matrix tersebut akan diperoleh nilai akurasi, presisi, serta recall.

Hasil pengujian menunjukkan bahwa metode SVM dalam menganalisis sentimen publik memberikan kinerja yang cukup baik dalam memprediksi sentimen, baik positif maupun negatif, terhadap partai politik di Indonesia. Dengan demikian, penelitian ini berhasil menunjukkan bahwa metode yang digunakan dapat mencapai hasil yang cukup optimal merujuk pada hasil evaluasi model pada penelitian ini mencapai tingkat akurasi sebesar 82,11%, dengan nilai recall 82,11% dan precision 82,52% dengan menggunakan kernel Radial Basis Function (RBF) sebagai kernel dengan hasil akurasi paling optimal dibandingkan kernel lainnya yaitu Linear, Sigmoid, dan juga Polynomial setelah dilakukannya proses gridsearch untuk mencari parameter dan kernel terbaik.

Kata kunci : Partai Politik, Analisis Sentimen, Lexicon Based, Support Vector Machine

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Partai Politik, Analisis Sentimen, Lexicon Based, Support Vector Machine
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Bayu Setya Pambudi
Date Deposited:	18 Dec 2024 01:14
Last Modified:	18 Dec 2024 01:14
URI:	http://eprints.upnyk.ac.id/id/eprint/41873

Actions (login required)

View Item