Fidaa, Muhammad Tamamul Abil (2025) ANALISIS SENTIMEN DATA TWITTER TERHADAP GUGATAN PEMILU 2024 MENGGUNAKAN ALGORITMA NAIVE BAYES. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/text.png) |
Text (COVER-ABSTRAK)
COVER.pdf Download (893kB) |
|
Text (BAB I)
BAB I.pdf Download (175kB) |
|
Text (BAB II)
BAB II.pdf Restricted to Registered users only Download (446kB) |
|
Text (BAB III)
BAB III.pdf Restricted to Registered users only Download (444kB) |
|
Text (BAB IV)
BAB IV.pdf Restricted to Registered users only Download (550kB) |
|
Text (BAB V)
BAB V.pdf Download (79kB) |
|
Text (DAFTAR PUSTAKA)
Daftar Pustaka.pdf Restricted to Registered users only Download (201kB) |
![[img]](https://eprints.amikom.ac.id//style/images/fileicons/archive.png) |
Archive (SOURCE CODE)
Sourcecode - 20.11.3463.zip Restricted to Repository staff only Download (916kB) |
|
Text (PUBLIKASI)
Publikasi.pdf Restricted to Repository staff only Download (785kB) |
Abstract
Pemilihan Umum (Pemilu) 2024 di Indonesia merupakan peristiwa politik besar yang memunculkan beragam opini dan tanggapan dari masyarakat, terutama melalui media sosial seperti Twitter. Banyak masyarakat menyampaikan pendapatnya terkait gugatan terhadap hasil pemilu yang diajukan ke Mahkamah Konstitusi. Fenomena ini menunjukkan perlunya analisis opini publik secara sistematis agar dapat diketahui sentimen dominan masyarakat terhadap isu tersebut. Penelitian ini bertujuan untuk menganalisis sentimen tweet publik terkait gugatan Pemilu 2024 menggunakan algoritma Naïve Bayes. Data tweet berbahasa Indonesia dikumpulkan melalui metode crawling menggunakan tweet harvest. Setelah dilakukan tahapan preprocessing seperti cleansing, case folding, normalisasi, tokenizing, stopword, dan stemming, data diberi label sentimen secara otomatis menggunakan kamus Inset Lexicon. Untuk mengatasi ketidakseimbangan jumlah data antar kelas sentimen, digunakan metode SMOTE (Synthetic Minority Oversampling Technique). Proses klasifikasi dilakukan menggunakan algoritma Multinomial Naïve Bayes dan dievaluasi menggunakan confusion matrix. Hasil evaluasi menunjukkan bahwa model memiliki performa yang baik, dengan nilai akurasi sebesar 80,64%, precision 81,91%, recall 78,96%, dan F1score sebesar 79,38%. Selain itu, visualisasi word cloud digunakan untuk menggambarkan kata-kata yang sering muncul dalam setiap kategori sentimen. Hasil penelitian ini menunjukkan bahwa algoritma Naïve Bayes cukup efektif dalam mengklasifikasikan sentimen terkait gugatan Pemilu. Dengan demikian, penelitian ini diharapkan memberikan kontribusi dalam pemahaman opini publik serta menjadi referensi bagi penelitian selanjutnya.
| Item Type: | Thesis (S1 - Sarjana) | ||
|---|---|---|---|
| Contributor: |
|
||
| Uncontrolled Keywords: | Analisis Sentimen, Naïve Bayes, Twitter, Gugatan Pemilu, SMOTE | ||
| Subjects: | 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 005 Pemrograman komputer, program dan data 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus |
||
| Divisions: | Fakultas Ilmu Komputer > Informatika | ||
| Depositing User: | RC Universitas AMIKOM Yogyakarta | ||
| Date Deposited: | 18 Sep 2025 04:30 | ||
| Last Modified: | 18 Sep 2025 04:30 | ||
| URI: | http://eprints.amikom.ac.id/id/eprint/30754 |
Actions (login required)
 |
View Item |