Reza Fahrevi Primary Author mixed material bibliography Banda Aceh

Skripsi

Abstrak - Penelitian ini bertujuan untuk menganalisis sentimen netizen Indonesia terhadap kandidat Presiden dan Wakil Presiden berdasarkan komentar pada video debat di channel YouTube KPU. Ketidakpastian mengenai bagaimana publik secara luas memandang para calon presiden (Capres) dan calon wakil presiden (Cawapres) menjadi alasan utama dilakukannya penelitian ini. Banyaknya komentar pro dan kontra pada video debat tersebut menunjukkan tingginya ketertarikan publik yang berpotensi mempengaruhi pilihan mereka terhadap Capres dan Cawapres. Data dikumpulkan dari lima debat yang berlangsung antara 12 Desember 2023 hingga 10 Februari 2024, dengan total 15.027 komentar setelah preprocessing. Teknik analisis sentimen ini menggunakan metode lexicon-based dan algoritma Naive Bayes menunjukkan bahwa distribusi sentimen Anies Baswedan memiliki rata-rata sentimen positif tertinggi di antara Capres (50,9%), diikuti oleh Prabowo Subianto (31,8%) dan Ganjar Pranowo (17,4%). Sentimen negatif tertinggi ditemukan pada Anies (45,1%) disusul Prabowo (42,6%), dan Ganjar (12,3%). Sentimen netral paling banyak ada pada Prabowo (70,4%), dibandingkan Anies (24,7%) dan Ganjar (4,9%). Sedangkan Cawapres, Gibran Rakabuming memiliki rata-rata sentimen positif tertinggi (51,6%), diikuti Muhaimin Iskandar (25,9%) dan Mahfud MD (22,6%). Gibran juga mendominasi sentimen negatif (56,3%), sementara Muhaimin dan Mahfud mencatat masing-masing 22,6% dan 21,1%. Sentimen netral tertinggi ada pada Gibran (81,2%), dibandingkan Muhaimin (11,9%) dan Mahfud (6,8%). Berdasarkan model Naive Bayes dengan fitur TF-IDF menunjukkan hasil performa yang stabil dengan akurasi 70,96% pada data validasi dan 70,36% pada data uji. Presisi mencapai 75,60% pada data validasi dan 72,33% pada data uji. Nilai F1 Score berada di kisaran 67,50% hingga 67,73%, menunjukkan keseimbangan yang baik antara presisi dan recall. Keyword : Analisis Sentimen, Debat, Crawling, Preprocessing, Lexicon Based, Naive Bayes, TF-IDF, Evaluasi Model, Visualisasi Data. 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 131977 2024-09-19 12:10:35 2024-09-19 14:27:40 machine generated