<![CDATA[PERBANDINGAN AKURASI ALGORITMA PADA ANALISIS SENTIMEN TWEET TERHADAP (PEMILIHAN UMUM) PEMILU 2024]]>
Febi Dwi Arianti
Pengarang
Hidayatus Sibyan, M.Kom
Dosen Pembimbing 1
Nahar Mardiyantoro, M.Kom.
Dosen Pembimbing 2
Hidayatus Sibyan, M.Kom
Penguji 1
Adi Suwondo, M.Kom
Penguji 2
Dimas Prasetyo Utomo, M.Kom
Penguji 2
Sentiment analysis (Analisis sentimen) pada perkembangannya masalah yangpenting dalam analisis sentimen adalah untuk melakukan identifikasi sentimen yangmengeskpresikan dalam teks dimana hasilnya menunjukan suatu opini yangmenguntungkan (positif), yang memungkinkan penggunanya untuk mengkritisisuatu isu maupun sebuah fasilitas pelayanan secara real time. Pemilihan Presidentahun 2024 mendatang para pendukung dan tim sukses sudah mulai menyampaikanpendapat atau opini. Pada Penelitian ini mengekstrak informasi publik yang tersebardengan pendekatan analisis sentimen melalui media sosial twitter dengan tujuanuntuk mendapatkan nilai dari sentimen yang terkait subjek calon kandidat presidenpada Pemilihan Umum Presiden 2024. Metode yang digunakan untuk analisissentimen ini adalah Support Vector Machine (SVM) dan Naïve Bayes dengan 3kategori klasifikasi positif, negatif dan netral juga membandingkan algoritma yanglebih akurat dalam analisis sentimen.Hasil penelitian 1002 data yang di gunakan dengan perbandingan 90% datatraining dan 10% data testing, maka Perbandingan Akurasi Algoritma pada AnalisisSentimen Tweet Terhadap Pemilu 2024 dengan menggunakan kata kunci “Ganjar”dan “Ganjar Pranowo” disimpulkan hasil klasifikasi perbandingan algoritmamenghasilkan 80% tingkat akurasi Supoort Vector Machine (SVM) dan 68% hasilakurasi dari Naïve Bayes. Sehingga dapat dilihat dari hasil akurasi yang didapatbahwa algoritma Support Vector Machine (SVM) memiliki nilai tertinggi di angka80%.
Kata Kunci: Analisis Sentimen, Pemilu 2024, SVM, Naïve Bayes