PENERAPAN METODE DECISION TREE PADA SENTIMEN MEDIA SOSIAL TERKAIT KOMISI PEMILIHAN UMUM (KPU) SEBELUM DAN SESUDAH PILPRES 2024

Yolanda Veren
Sunneng Sandino Berutu
Haeni Budiati


DOI: https://doi.org/10.29100/jipi.v9i4.5532

Abstract


Pemilihan Presiden 2024 di Indonesia menandai momen krusial dalam dinamika politik negara. Penelitian ini mengamati perubahan pandangan masyarakat terhadap Komisi Pemilihan Umum (KPU) sebelum dan setelah Pilpres 2024 dengan menerapkan metode klasifikasi Decision Tree. Dataset yang digunakan terdiri dari 5794 (tambahin tanggal) tweet yang telah melewati serangkaian tahap, mulai dari crawling, pre processing data, terjemahan, pelabelan, klasifikasi, hingga evaluasi model. Hasil analisis menunjukkan bahwa sebelum Pilpres 2024, sentimen positif mencapai 39.98%, sentimen netral sebesar 38.39%, dan sentimen negatif sebesar 21.63%. Setelah Pilpres 2024, terjadi peningkatan dalam sentimen positif menjadi 45.45%, sedangkan sentimen netral mengalami penurunan menjadi 36.67%, dan sentimen negatif juga mengalami penurunan menjadi 17.87%. Berdasarkan dataset Komisi Pemilihan Umum (KPU) setelah Pilpres 2024 akurasi prediksi meningkat menjadi 67, dengan sentimen netral memiliki presisi sebesar 70. Sedangkan berdasarkan dataset pada Komisi Pemilihan Umum (KPU) setelah Pilpres 2024, recall untuk sentimen positif adalah 69, sementara f1-score untuk sentimen netral adalah 72.

Keywords


Decision Tree; sentimen publik; Komisi Pemilihan Umum (KPU); Pilpres 2024

Full Text:

PDF

Article Metrics :

References


L. A. Andika, P. A. N. Azizah, and R. Respatiwulan, “Analisis Sentimen Masyarakat terhadap Hasil Quick Count Pemilihan Presiden Indonesia 2019 pada Media Sosial Twitter Menggunakan Metode Naive Bayes Classifier,” Indones. J. Appl. Stat., vol. 2, no. 1, p. 34, 2019, doi: 10.13057/ijas.v2i1.29998.

E. Febriyani and H. Februariyanti, “Analisis Sentimen Terhadap Program Kampus Merdeka Menggunakan Naive Bayes Di Twitter,” J. TEKNO KOMPAK, vol. 17, no. 2, pp. 25–38, 2022, [Online]. Available: https://ejurnal.teknokrat.ac.id/index.php/teknokompak/article/view/2061

S. Suryono and E. Taufiq Luthfi, “Analisis sentimen pada Twitter dengan menggunakan metode Naïve Bayes Classifier,” Jnanaloka, pp. 81–86, 2021, doi: 10.36802/jnanaloka.2020.v1-no2-81-86.

A. Risma Alifvia, U. Saprudin, S. Dharma Wacana Metro, J. Kenanga No, K. Metro Barat, and K. Metro, “Analisis Sentimen Review Data Twitter Komisi Pemilihan Umum (Kpu) Menggunakan Metode Naïve Bayes,” J. Inf. dan Komput., vol. 11, no. 1, p. 2023, 2023, [Online]. Available: https://ojs.dcckotabumi.ac.id/index.php/jik/article/view/407

L. D. Mahbubah and E. Zuliarso, “Analisa Sentimen Twitter Pada Pilpres 2019 Menggunakan Algoritma Naive Bayes,” Sintak, pp. 194–195, 2019, [Online]. Available: https://www.unisbank.ac.id/ojs/index.php/sintak/article/view/7585/2558

D. P. Ray, F. N. Hasan, and A. R. Dzikrillah, “KLIK: Kajian Ilmiah Informatika dan Komputer Analisis Sentimen Terhadap KPU 2024 Berdasarkan Tweet Media Sosial Twitter Menggunakan Algoritma Naïve Bayes,” Media Online, vol. 4, no. 4, pp. 2235–2243, 2024, doi: 10.30865/klik.v4i4.1587.

J. A. Septian, T. M. Fachrudin, and A. Nugroho, “Analisis Sentimen Pengguna Twitter Terhadap Polemik Persepakbolaan Indonesia Menggunakan Pembobotan TF-IDF dan K-Nearest Neighbor,” J. Intell. Syst. Comput., vol. 1, no. 1, pp. 43–49, 2019, doi: 10.52985/insyst.v1i1.36.

L. A. Pramesti and N. Pratiwi, “Analisis Sentimen Twitter Terhadap Program MBKM Menggunakan Decision Tree dan Support Vector Machine,” J. Inf. Syst. Res., vol. 4, no. 4, pp. 1145–1154, 2023, doi: 10.47065/josh.v4i4.3807.

Y. A. Singgalen, “Analisis Sentimen Top 10 Traveler Ranked Hotel di Kota Makassar Menggunakan Algoritma Decision Tree dan Support Vector Machine,” Media Online), vol. 4, no. 1, pp. 323–332, 2023, doi: 10.30865/klik.v4i1.1153.

T. A. Q. Putri, A. Triayudi, and R. T. Aldisa, “Implementasi Algoritma Decision Tree dan Naïve Bayes Untuk Klasifikasi Sentimen Terhadap Kepuasan Pelanggan Starbucks,” J. Inf. Syst. Res., vol. 4, no. 2, pp. 641–649, 2023, doi: 10.47065/josh.v4i2.2949.

Rina Noviana and Isram Rasal, “Penerapan Algoritma Naive Bayes Dan Svm Untuk Analisis Sentimen Boy Band Bts Pada Media Sosial Twitter,” J. Tek. dan Sci., vol. 2, no. 2, pp. 51–60, 2023, doi: 10.56127/jts.v2i2.791.

J. Florensius Sianipar, Y. R. Ramadhan, and I. Jaelani, “Kajian Ilmiah Informatika dan Komputer,” Media Online), vol. 4, no. 1, pp. 360–367, 2023, doi: 10.30865/klik.v4i1.1033.

M. Z. Yumarlin, “Penerapan Metode K-Nearest Neighbor Dan Decision Tree Untuk Analisis Sentimen (Studi Kasus Mario Dandi),” IJITECH Indones. J. Inf. …, pp. 1–6, 2023, [Online]. Available: https://ojisnu.nuponorogo.or.id/index.php/ijitech/article/view/54%0Ahttps://ojisnu.nuponorogo.or.id/index.php/ijitech/article/download/54/30

D. Ramadhan and E. B. Setiawan, “Analisis Sentimen Program Acara di SCTV pada Twitter Menggunakan Metode Naive Bayes dan Support Vector Machine,” … .Telkomuniversity.Ac.Id, vol. 6, no. 2, pp. 9736–9743, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/view/10708

M. Arvyantomo and N. Ratama, “Analisis Sentimen Masyarakat Indonesia terhadap Invasi Russia di Ukraina menggunakan Metode Naive Bayes pada Media Sosial Facebook,” Log. J. Ilmu Komput. …, vol. 1, no. 4, pp. 705–717, 2023, [Online]. Available: https://www.journal.mediapublikasi.id/index.php/logic/article/view/2142