ANANDA VERGIAWAN Primary Author mixed material bibliography Banda Aceh Fakultas Teknik Komputer

Skripsi

ccccccMedia sosial seperti X (atau Twitter), merupakan sarana yang efektif dan mudah untuk menyatakan pendapat atau membaca pendapat orang lain. Pendapat yang dinyatakan dalam media sosial X (cuitan) dapat mengandung sentimen pengguna terhadap topik tertentu seperti calon presiden Indonesia dalam pemilihan umum (pemilu) 2024. Cuitan dalam jumlah banyak memerlukan waktu yang lama untuk diketahui apakah mempunyai sentimen positif atau negatif. Karena itu dibutuhkan suatu program komputer yang dapat mengklasifikasi cuitan yang banyak tersebut secara cepat dan tepat. Fokus dalam penelitian ini adalah membangun model klasifikasi untuk menganalisis sentimen cuitan pengguna media sosial X terkait dengan calon presiden Indonesia pada pemilu 2024, ke dalam sentimen positif dan negatif. Memahami sentimen publik (yang diwakili oleh pengguna media sosial X) terkait calon presiden Indonesia dapat memberikan wawasan yang berguna bagi kontestan pemilu untuk merespon isu-isu yang relevan dan untuk menyusun strategi kampanye yang efektif. Penelitian ini menggunakan tiga algoritma klasifikasi teks untuk analisis sentimen yaitu Bidirectional Long Short-Term Memory (BiLSTM), Support Vector Machine (SVM), dan Naive Bayes (NB), serta 23.616 data cuitan pengguna media sosial X terkait calon presiden Indonesia di pemilu 2024. Data tersebut tersedia untuk publik dan diunduh dari laman Mandeley. Tahapan penelitian yang dilakukan adalah pengunduhan dan pemrosesan data yang termasuk di dalamnya proses casefolding, fltering, tokenizing, stop word removal, dan stemming; dilanjutkan dengan ekstraksi fitur dari teks; serta pelatihan dan pengujian model klasifikasi. Hasil dari penelitian ini adalah model-model yang dapat mengklasifikasi cuitan pengguna pada media sosial X tentang calon presiden Indonesia pada pemilu 2024 ke dalam sentimen positif dan negatif. Hasil penelitian menunjukkan bahwa model BiLSTM (epoch 100) dan model SVM (parameter C bernilai 1) memiliki akurasi prediksi klasifikasi paling tinggi (80%). 0 ELECTRONIC THESES AND DISSERTATION Universitas Syiah Kuala 152485 2025-04-10 12:09:05 2025-04-10 12:32:08 machine generated