Desain Sentimen Analisis dengan Self-Organizing Map untuk pemilihan Presiden 2024

ABSTRAK

Pemilihan Umum (PEMILU) adalah salah satu cara untuk memilih presiden, kepala daerah, dan anggota parlemen yang berlangsung setiap lima tahun sekali. Dalam memasuki tahun- tahun politik saat ini akan banyak bertebaran informasi dan komentar dari masyarakat terhadap pelaksanaan pemilu, komentar atau pendapat yang disampaikan akan sangat beragam dimulai dari dukungan terhadap pelaksanaan pemilu, penggiringan opini publik, ujaran kebencian dan komentar-komentar lainnya. Kemajuan teknologi saat ini mengakibatkan penyampaian pendapat dapat dengan mudah dipublikasikan melalui media sosial, salah satunya adalah melalui media twitter, twitter menjadi salah satu media sosial yang paling sering digunakan masyarakat dalam mengemukakan pendapatnya karena dianggap bebas. Oleh karena itu, pada penelitian ini diusulakan desain sentimen analisis tentang Pilpres melalui X-Twitter, baik itu positif, negatif, atau netral dengan menggunakan dua metode yaitu Term Frequency-Inverse Document Frequency (TF-IDF) dan Latent Semantic Analysis (LSA) yang kemudian dianalisis dengan algoritma Self-Organizing Maps (SOM). Dari hasil penelitian didapatkan bahwa 1) Model LSA+SOM memiliki akurasi yang lebih tinggi (0.569) dibandingkan dengan model TF-IDF+SOM (0.543), menunjukkan bahwa LSA memberikan peningkatan performa dalam analisis teks. 2) Perbedaan akurasi antara kedua model hanya sebesar 0.026, yang menunjukkan bahwa kedua metode memiliki performa yang relatif dekat. 3) LSA mampu menangkap hubungan laten antara kata-kata dan dokumen lebih baik daripada TF-IDF, yang mungkin berkontribusi pada peningkatan akurasi dalam model LSA+SOM. 4) Meskipun LSA+SOM menunjukkan akurasi yang lebih tinggi, TF-IDF+ SOM tetap merupakan alternatif yang kompetitif, tergantung pada kebutuhan spesifik dari analisis teks yang dilakukan. 5) Selain akurasi, faktor lain seperti waktu pemrosesan, kompleksitas model, dan interpretabilitas hasil juga penting untuk dipertimbangkan dalam pemilihan model.

مستخلص البحث

الانتخابات العامة هي إحدى الطرق لانتخاب الرئيس ورؤساء المناطق وأعضاء البرلمان والتي تجرى كل خمس سنوات. مع دخولنا السنوات السياسية الحالية، سيكون هناك الكثير من المعلومات والتعليقات من الجمهور فيما يتعلق بتنفيذ الانتخابات، وستكون التعليقات أو الآراء المعبر عنها متنوعة للغاية، بدءًا من دعم تنفيذ الانتخابات، وقيادة الرأي العام، والكراهية الكلام والتعليقات الأخرى. إن التقدم التكنولوجي الحالي يعني أن التعبير عن الآراء يمكن نشره بسهولة عبر وسائل التواصل الاجتماعي، وأحدها عبر تويتر هو أحد وسائل التواصل الاجتماعي التي يستخدمها الناس في كثير من الأحيان للتعبير عن آرائهم لأنه يعتبر مجانيا. لذلك، في هذا البحث، نقترح تصميم تحليل المشاعر تجاه الانتخابات الرئاسية من خلال تحليلها باستخدام خوارزمية خرائط التنظيم الذاتي (SOM). ومن نتائج البحث وجد أن 1) يتمتع نموذج LSA + SOM بدقة أعلى (0.569) مقارنة بنموذج TF-IDF + SOM (0.543)، مما يشير إلى أن LSA يوفر أداءً متزايدًا في تحليل النص. 2) الفرق في الدقة بين النموذجين هو 0.026 فقط، مما يدل على أن الطريقتين لهما أداء متقارب نسبيا. 3) LSA قادر على التقاط العلاقات الكامنة بين الكلمات والمستندات بشكل أفضل من TF-IDF، مما قد يساهم في زيادة الدقة في نموذج LSA + SOM. 4) على الرغم من أن LSA + SOM يُظهر دقة أعلى، إلا أن TF-IDF + SOM يظل بديلاً تنافسيًا، اعتمادًا على الاحتياجات المحددة لتحليل النص الذي يتم إجراؤه. 5) وبصرف النظر عن الدقة، فإن هناك عوامل أخرى مثل وقت المعالجة، وتعقيد النموذج، وقابلية تفسير النتائج، من المهم أيضًا أخذها في الاعتبار عند اختيار النموذج.

ABSTRACT

General Elections (PEMILU) are one way to elect the president, regional heads and members of parliament which take place every five years. As we enter the current political years, there will be a lot of information and comments from the public regarding the implementation of elections, the comments or opinions expressed will be very diverse, starting from support for the implementation of elections, leading public opinion, hate speech and other comments. Current technological advances mean that expressing opinions can be easily published via social media, one of which is via Twitter. Twitter is one of the social media that is most often used by people to express their opinions because it is considered free. Therefore, in this research, we propose a sentiment analysis design regarding the Presidential Election via then analyzed using the Self-Organizing Maps (SOM) algorithm. From the research results, it was found that 1) The LSA + SOM model had higher accuracy (0.569) compared to the TF-IDF + SOM model (0.543), indicating that LSA provides increased performance in text analysis. 2) The difference in accuracy between the two models is only 0.026, which shows that the two methods have relatively close performance. 3) LSA is able to capture latent relationships between words and documents better than TF-IDF, which may contribute to the increased accuracy in the LSA + SOM model. 4) Although LSA+ SOM shows higher accuracy, TF-IDF + SOM remains a competitive alternative, depending on the specific needs of the text analysis being performed. 5) Apart from accuracy, other factors such as processing time, model complexity, and interpretability of results are also important to consider in model selection.