Electronic Theses and Dissertation

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%).

Social media platforms like X (formerly known as Twitter) serve as an effective and convenient medium for expressing opinions or reading those of others. Opinions shared on X (tweets) often contain users' sentiments toward specific topics, such as the presidential candidates in Indonesia's 2024 general election. The large volume of tweets requires significant time to determine whether they convey positive or negative sentiments. Therefore, a computer program capable of rapidly and accurately classifying such tweets is essential. This study focuses on developing a classification model to analyze user sentiments on social media platform X regarding Indonesia's presidential candidates in the 2024 election, categorizing them into positive or negative sentiments. Understanding public sentiment (as represented by social media users on X) about the candidates can provide valuable insights for election contestants to address relevant issues and devise effective campaign strategies. The study utilizes three text classification algorithms for sentiment analysis: Bidirectional Long Short-Term Memory (BiLSTM), Support Vector Machine (SVM), and Naive Bayes (NB). It employs a dataset of 23,616 tweets about Indonesia's presidential candidates in the 2024 election, which is publicly available and was downloaded from the Mendeley platform. The research process includes data collection and preprocessing covering case folding, filtering, tokenizing, stop word removal, and stemming followed by text feature extraction, and finally, model training and testing. The results of this research are models that can classify user tweets on social media X about Indonesian presidential candidates in the 2024 election into positive and negative sentiments. The results showed that the BiLSTM model (epoch 100) and the SVM model (parameter C value 1) had the highest classification prediction accuracy (80%).