Implementasi algoritma support vector machine untuk analisis sentimen terhadap elektabilitas calon presiden 2024

ABSTRAK

Penelitian ini membahas analisis sentimen untuk mengukur elektabilitas calon Presiden dalam Pemilihan Umum 2024 dengan menggunakan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui proses crawling dari Twitter (X) dengan kata kunci terkait calon presiden Anies Baswedan, Prabowo Subianto, dan Ganjar Pranowo. Setiap kata kunci menghasilkan 2.000 tweet, dengan total 6.000 data. Proses preprocessing mencakup penghapusan karakter tidak penting, transformasi huruf, tokenizing, normalisasi, stopword removal, dan stemming. Model dilatih dengan SVM dan dievaluasi menggunakan K-Fold Cross Validation untuk mengukur performa model. Hasil evaluasi menunjukkan bahwa model memiliki rata-rata presisi sebesar 71,59%, recall sebesar 71,39%, F1-Score sebesar 71,33%, dan akurasi sebesar 71,39%. Dari hasil analisis sentimen, elektabilitas Anies Baswedan mencapai 38,44%, Prabowo Subianto 35,38%, dan Ganjar Pranowo 28,18%. Hasil penelitian ini menunjukkan bahwa algoritma SVM efektif dalam mengklasifikasikan data teks untuk analisis sentimen dengan akurasi yang cukup baik. Elektabilitas calon presiden dapat diukur dan dianalisis menggunakan data dari media sosial, memberikan gambaran mengenai opini publik terhadap masing-masing calon presiden.

ABSTRACT

This research discusses sentiment analysis to measure the electability of presidential candidates in the 2024 General Election using the Support Vector Machine (SVM) algorithm. Data was collected through a crawling process from Twitter (X) with keywords related to presidential candidates Anies Baswedan, Prabowo Subianto, and Ganjar Pranowo. Each keyword generated 2.000 tweets, totaling 6.000 data.The preprocessing process includes removal of unimportant characters, letter transformation, tokenizing, normalization, stopword removal, and stemming.The model will be trained with SVM and evaluated using K-Fold Cross Validation to measure model performance.The evaluation results show that the model has an average precision of 71,59%, recall of 71,39%, F1-Score of 71,33%, and accuracy of 71,39%.From the sentiment analysis results, Anies Baswedan's electability reached 36,44%, Prabowo Subianto 35,38%, and Ganjar Pranowo 28,18%. The results of this study show that the SVM algorithm is effective in classifying text data for sentiment analysis with fairly good accuracy. The electability of presidential candidates can be measured and analyzed using data from social media, providing an overview of public opinion towards each presidential candidate

مستخلص البحث

يناقش هذا البحث تحليل المشاعر لقياس مدى قابلية المرشحين للرئاسة في الانتخابات العامة لعام ٢٠٢٤ باستخدام خوارزمية آلة دعم المتجهات (SVM ). جُمعت البيانات من خلال عملية زحف من تويتر (X ) بكلمات مفتاحية تتعلق بالمرشحين الرئاسيين أنيس باسويدان وبرابوو سوبيانتو وجانجار برانوو. أنتجت كل كلمة مفتاحية ألفي تغريدة، أي ما مجموعه ستة آلاف بيانة، وتشمل عملية المعالجة المسبقة إزالة الأحرف غير المهمة، وتحويل الحروف، والترميز، والتطبيع، وإزالة كلمات التوقف، والوقف، وسيتم تدريب النموذج باستخدام SVM وتقييمه باستخدام التحقق المتقاطع K-Fold Cross Validation لقياس أداء النموذج. تُظهر نتائج التقييم أن النموذج يتمتع بمتوسط دقة 71.59%، واستدعاء 71.39%، ودرجة F1- Score 71.33%، ودقة 71.39%، ومن نتائج تحليل المشاعر، بلغت نسبة انتخاب أنيس باسويدان 36.44%، وبرابوو سوبيانتو 35.38%، وجانجار برانوو 28.18%. تُظهر نتائج هذه الدراسة أن خوارزمية SVM فعالة في تصنيف البيانات النصية لتحليل المشاعر بدقة جيدة إلى حد ما. يمكن قياس قابلية المرشحين للرئاسة للانتخاب وتحليلها باستخدام بيانات من وسائل التواصل الاجتماعي، مما يوفر نظرة عامة على الرأي العام تجاه كل مرشح رئاسي.