Perbandingan Kinerja Algoritma Naive Bayes dan Random Forest dalam Analisis Sentimen Publik Terhadap Batas Usia Calon Presiden dan Wakil Presiden di Twitter

Authors

  • Mei Lammi Malau Universitas Negeri Medan
  • Steviana Viviola Wicesti Nasution Universitas Negeri Medan
  • Putri Tasya Agustina Universitas Negeri Medan
  • Sri Dewi Universitas Negeri Medan
  • Fanny Ramadhani Universitas Negeri Medan

Keywords:

Analisis Sentimen, Naive Bayes, Random Forest, Twitter, Batas Usia Calon Presiden, Machine Learning

Abstract

Pada pemilu di tahun 2024 ini, terdapat pro dan kontra terkait perubahan batas usia calon presiden dan wakil presiden yang memicu perdebatan di kalangan masyarakat khususnya perdebatan yang terjadi pada media sosial seperti X(twitter). Penelitian ini akan membandingkan dua algoritma machine learning yaitu Naive Bayes dan Random Forest untuk melihat kinerja yang lebih baik dalam mengklasifikasikan sentimen. Penelitian ini bertujuan untuk mengukur sentimen publik terhadap perubahan kebijakan perubahan batas usia calon presiden dan wakil presiden pada  media sosial X(twitter) dengan menggunakan teknik analisis sentimen. Penelitian ini membandingkan kinerja algoritma Naive Bayes dan Random Forest dalam analisis sentimen publik terkait batas usia calon presiden dan wakil presiden di Indonesia, menggunakan data X (Twitter). Data sentimen yang dianalisis berasal dari 500 tweet pengguna X (Twitter) menggunakan kata kunci "Putusan MK Usia Capres". Proses praproses meliputi cleaning, case folding, normalisasi, tokenisasi, penghapusan stopword, stemming kemudian fitur teks diekstraksi menggunakan metode TF-IDF. Hasil dari penelitian ini menunjukan bahwa algoritma Random Forest memiliki kinerja yang lebih baik dan tingkat akurasi yang lebih tinggi dari algoritma Naive Bayes dengan nilai akurasi 50.00%.

References

Adib, K., Handayani, M. R., Yuniarti, W. D., & Umam, K. (n.d.). Opini Publik Pasca-Pemilihan Presiden: Eksplorasi Analisis Sentimen Media Sosial X Menggunakan SVM. https://doi.org/10.31598

Dwianto, E., & Sadikin, M. (n.d.). Analisis Sentimen Transportasi Online pada Twitter Menggunakan Metode Klasifikasi Naïve Bayes dan Support Vector Machine.

Febrianta, M. Y., Widiyanesti, S., Ramadhan, S. R., Bisnis, M., Dan Informatika, T., Ekonomi, F., & Bisnis, D. (n.d.). Analisis Ulasan Indie Video Game Lokal pada Steam Menggunakan Analisis Sentimen dan Pemodelan Topik Berbasis Latent Dirichlet Allocation. In Journal of Animation & Games Studies (Vol. 7, Issue 2).

Izzati, A. N. (2024). Analisis Sentimen Hasil … ANALISIS SENTIMEN HASIL PUTUSAN MK TERKAIT SENGKETA PILPRES 2024 PADA MEDIA SOSIAL X DENGAN METODE NAÏVE BAYES. JTII, 09(01).

Khairunnisa, S., Adiwijaya, A., & Faraby, S. Al. (2021). Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19). JURNAL MEDIA INFORMATIKA BUDIDARMA, 5(2), 406. https://doi.org/10.30865/mib.v5i2.2835

Mailoa, E. (n.d.). Perbandingan Beberapa Algoritma Machine Learning Dalam Analisis Sentimen Terkait Pemilihan Presiden RI 2024.

Mardiani, E., Rahmansyah, N., Tri Esti Handayani, E., Ningsih, S., Hidayatullah, D., Avrilia Lantana, D., Latifah, Y., Dwi Fahira, A., Belynda Tyva Panggabean, K., & Natalia Ginting, I. (n.d.). Copyright @ Analisis Prediksi Pendapatan Penduduk dengan Metode K-Nearest Neighbor, Decision Tree, Naive Bayes, Ensemble Methods, dan Linear Regression.

Primajaya, A., & Sari, B. N. (2018). Random Forest Algorithm for Prediction of Precipitation. Indonesian Journal of Artificial Intelligence and Data Mining (IJAIDM), 1(1), 27–31.

Sasmita, S., Jariah S.Intam, R. N., Surianto, D. F., & B, M. F. (2024). Analisis Sentimen Terhadap Kontroversi Putusan MK Mengenai Usia Capres-Cawapres Menggunakan Multi-Layer Perceptron Dengan Teknik SMOTE. Faktor Exacta, 17(2), 188. https://doi.org/10.30998/faktorexacta.v17i2.22442

Utami, H. (2022). Analisis Sentimen dari Aplikasi Shopee Indonesia Menggunakan Metode Recurrent Neural Network. Indonesian Journal of Applied Statistics, 5(1), 31. https://doi.org/10.13057/ijas.v5i1.56825

Published

2024-11-30

Issue

Vol. 1 No. 2 (2024): Desember 2024

Section

Articles

License

  1. Authors certify that the work reported here has not been published before and contains no materials the publication of which would violate any copyright or other personal or proprietary right of any person or entity.
  2. Authors dont transfer or license the copyright of publishing to JETBUS Journal of Education Transportation and Business Research to publish the article in any media format, to share, to disseminate, to index, and to maximize the impact of the article in any databases.
  3. Authors hereby dont agree to transfer a copyright for publishing to JETBUS Journal of Education Transportation and Business a Publisher of the manuscript. 
  4. Authors reserve the following: 
    1. all proprietary rights other than copyright such as patent rights; 
    2. the right to use all or part of this article in future works of our own such as in books and lectures;
    3. use for presentation in a meeting or conference and distributing copies to attendees; 
    4. use for internal training by author's company;
    5. distribution to colleagues for their research use;
    6. use in a subsequent compilation of the author's works;
    7. inclusion in a thesis or dissertation;
    8. reuse of portions or extracts from the article in other works (with full acknowledgement of final article);
    9. preparation of derivative works (other than commercial purposes) (with full acknowledgement of final article); and
    10. voluntary posting on open web sites operated by author or author’s institution for scholarly purposes, but it should follow the open access license of Creative Common CC BY-NC License.