JUPRI, JUPRI and Nurfalinda, Nurfalinda and Martaleli, Bettiza (2025) ANALISIS SENTIMEN PADA DATA MEDIA SOSIAL TWITER UNTUK OPINI PUBLIK DALAM KONTEK PILPRES 2024 MENGGUNAKAN RNN. S1 thesis, Universitas Maritim Raja Ali Haji.

	Text (Cover) JUPRI_2001020015_Teknik Informatika_ Cover.pdf - Published Version Download (403kB)
	Text (Abstrak) JUPRI_2001020015_Teknik Informatika_ Abstrak .pdf - Published Version Download (443kB)
	Text (BAB 1) JUPRI_2001020015_Teknik Informatika_ BAB 1 .pdf - Published Version Download (545kB)
	Text (Daftar Pustaka) JUPRI_2001020015_Teknik Informatika_ Daftar Pustaka .pdf - Published Version Download (350kB)
	Text (Full Text) JUPRI_2001020015_Teknik Informatika_Full Teks .pdf Download (985kB)

Abstract

Pemilihan presiden 2024 telah menjadi topik yang ramai diperbincangkan di media sosial, terutama Twitter, di mana masyarakat dapat mengekspresikan pendapat mereka mengenai para kandidat. Penelitian ini berfokus pada tagar gibran untuk menganalisis sentimen publik di Twitter terkait Pilpres 2024. Metode Recurrent Neural Network digunakan sebagai algoritma utama dalam klasifikasi sentimen. Data dikumpulkan pada periode 25–30 Oktober 2023, kemudian diproses melalui tahap Preprocessing data dan pelabelan menggunakan Indonesia Sentiment Lexicon (InSet). Pembobotan kata dengan metode TF-IDF sebelum dianalisis oleh model RNN. Hasil evaluasi menunjukkan RNN berhasil mencapai akurasi 98,20% pada data uji, yang menandakan kemampuan model memprediksi sentimen dengan tepat bahkan pada data yang belum pernah dianalisis sebelumnya. Hasil evaluasi menggunakan confusion matrix menunjukkan performa tinggi, dari Total 15.530 data digunakan, dengan 80% (12.424 data) untuk pelatihan dan 20% (3.106 data) untuk pengujian dengan menghasilkan accuracy, precision, recall, dan F1-score masing-masing mencapai 98%. Ini menunjukkan bahwa RNN efektif digunakan untuk analisis sentimen di media sosial dengan tingkat kesalahan yang rendah. Analisis sentimen menunjukkan bahwa dari totak 15.530 data, didapatkan 8.215 (53%) sentimen positif dan 7.315 (47%) negatif dan adanya 40 False Positive dan 16 False Negative dari 3.106 data uji menunjukkan kemungkinan sebagian data termasuk kategori netral tanpa kecenderungan positif atau negatif, yang berarti opini publik di Twitter lebih banyak mengekspresikan dukungan serta pandangan positif terhadap Gibran, meskipun tetap terdapat kritik yang muncul.

Actions (login required)

View Item