ANALISIS SENTIMEN MASA TRANSISI PEMERINTAHAN PRESIDEN JOKO WIDODO MENGGUNAKAN ALGORITMA SVM DAN NAÏVE BAYES

Prastyo, Alfa Zidan (2025) ANALISIS SENTIMEN MASA TRANSISI PEMERINTAHAN PRESIDEN JOKO WIDODO MENGGUNAKAN ALGORITMA SVM DAN NAÏVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (814kB)
	Text (BAB I) BAB I.pdf Download (240kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (646kB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (682kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (1MB)
	Text (BAB V) BAB V.pdf Download (107kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (228kB)
	Archive (SOURCE CODE) Sourcecode - 21.11.4315.zip Restricted to Repository staff only Download (8MB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (8MB)

Abstract

Masa transisi pemerintahan sering diwarnai dengan beragam opini publik yang terbagi, terutama di platform media sosial seperti YouTube. Studi ini menganalisis komentar dari dua belas video yang berkaitan dengan masa transisi pemerintahan Presiden Joko Widodo untuk memahami sentimen publik. Data yang terkumpul melalui komentar tersebut diproses melalui tahapan pembersihan, tokenisasi, normalisasi, dan tahapan lainnya untuk menghasilkan data yang siap dianalisis. Metode Term Frequency-Inverse Document Frequency (TF-IDF) dilakukan untuk pembobotan teks dan data diseimbangkan menggunakan Synthetic Minority Over-sampling Technique (SMOTE). Algoritma Support Vector Machine (SVM) dan Naïve Bayes digunakan untuk melakukan klasifikasi sentimen pada penelitian ini. Hasil penelitian menunjukkan bahwa SVM menghasilkan akurasi yang lebih tinggi (97,60%) dibandingkan Naïve Bayes (90,54%), meskipun SVM memerlukan waktu eksekusi yang lebih lama. Selain itu, beberapa topik penting dalam opini publik hasil penelitian seperti ketidakpuasan terhadap kebijakan, nepotisme, kebijakan pembangunan, dan harapan terhadap pemerintahan baru diidentifikasi menggunakan Latent Dirichlet Allocation (LDA). Hasil penelitian ini diharapkan dapat membantu pembuat kebijakan memahami lebih baik mengenai persepsi publik. Selain itu, temuan ini juga dapat digunakan sebagai referensi akademis untuk mengembangkan algoritma analisis sentimen yang lebih lanjut. Penelitian berikutnya disarankan untuk menggunakan dataset yang lebih luas dan algoritma modern seperti DeBERTa atau XLNet untuk meningkatkan akurasi dan efisiensi.

Actions (login required)

View Item