ANALISIS SENTIMEN MASYARAKAT TERHADAP TREN KPOPFICATION DALAM MASA KAMPANYE DI MEDIA SOSIAL X

Hutami Jane Antonia .M
Evangs Mailoa


DOI: https://doi.org/10.29100/jipi.v9i4.5638

Abstract


Perkembangan teknologi informasi dalam bidang politik menjadikan media sosial sebagai platform untuk berkampanye  dan  berinteraksi antara politisi dan pemilih. Penelitian ini bertujuan untuk menerapkan Algoritma Naïve Bayes dalam menganalisis sentimen pada tweet terkait dengan tren "Kpopfication" dalam pemilihan umum. “Kpopfication” adalah istilah yang digunakan untuk menggambarkan tindakan para penggemar K-Pop yang mengintegrasikan elemen-elemen dari dunia K-Pop dalam berbagai aspek kehidupan di luar dunia K-Pop itu sendiri. Langkah pertama adalah pengumpulan data dari tweet pengguna X melalui metode crawling dengan kata kunci ‘Kpopfication Pemilu lang:id’. Langkah kedua melakukan Pre-Processing data untuk membersihkan dan mempersiapkan data agar dapat diklasifikasikan. Langkah ketiga adalah melakukan pelabelan dengan menggunakan Lexicon Based dan yang terakhir adalah penerapan Algoritma Naïve Bayes. Dari analisis sentimen di dapatkan hasil akurasi 86%, presisi 84%, recall 96%, dan f1-score 90%, serta evaluasi kinerja model yang baik dalam mengenali sentimen positif dan negatif. Hasil penelitian ini akan menjadi landasan untuk penelitian lebih lanjut dalam konteks pemilu dan inovasi dalam berkampanye.


Keywords


Pemilu, Analisis Sentimen, Naïve Bayes, Lexicon Based, Kpopfication

Full Text:

PDF

Article Metrics :

References


C. N. Zempi, A. Kuswanti, and S. Maryam, “Analisis Peran Media Sosial Dalam Pembentukan Pengetahuan Politik Masyarakat,” Ekspresi Dan Persepsi J. Ilmu Komun., vol. 6, no. 1, pp. 116–123, 2023, doi: 10.33822/jep.v6i1.5286.

F. M. Tamim, “Strategi Komunikasi Politik Partai Gerindra dalam Meningkatkan Partisipasi Politik Pemilih Muda melalui Media Sosial Twitter pada Pemilu Tahun 2024,” JIIP - J. Ilm. Ilmu Pendidik., vol. 6, no. 10, pp. 8040–8046, 2023, doi: 10.54371/jiip.v6i10.3028.

A. S. Alim and D. E. Rahmawati, “Komunikasi Politik Anies Baswedan Melalui Sosial Media Twitter,” J. Acad. Praja, vol. 4, no. 2, pp. 441–453, 2021, doi: 10.36859/jap.v4i2.334.

N. Faradis, N. Ainya, A. Fauzah, M. Ichsan, and A. Anshori, “Media Sosial dan Persepsi Publik: Analisis Strategi Kampanye Digital Calon Presiden Indonesia 2024,” Pros. Semin. Nas., pp. 643–652, 2023.

B. Mas Pintoko and K. Muslim, “Analisis Sentimen Jasa Transportasi Online pada Twitter Menggunakan Metode Naïve Bayes Classifier,” e-Proceeding Eng., vol. 5, no. 3, pp. 8121–8130, 2018.

W. Kustiawan, N. W. Kartika, C. I. Kesuma, F. A. Silalahi, and A. M. Nasution, “Kampanye dalam Pemasaran Politik dan Brand Politik,” J. Ilmu Komputer, Ekon. dan Manaj., vol. 2, no. 1, pp. 959–964, 2022.

M. I. Dwitama, F. A. Hakiki, E. Sulastri, U. Usni, and D. Gunanto, “Media Sosial Dan Pengaruhnya Terhadap Partisipasi Politik Masyarakat Di Pilkada 2020 Tangerang Selatan,” Indep. J. Polit. Indones. dan Glob., vol. 3, no. 1, p. 53, 2022, doi: 10.24853/independen.3.1.53-66.

R. Riskawati, F. Fatihanursari, I. Iin, and A. Rizki Rinaldi, “Penerapan Metode Naïve Bayes Classifier Pada Analisis Sentimen Aplikasi Gopay,” JATI (Jurnal Mhs. Tek. Inform., vol. 8, no. 1, pp. 346–353, 2024, doi: 10.36040/jati.v8i1.8699.

W. M. S. N. Hutagalung, T. Tony, and N. Jaya Perdana, “Analisis Sentimen Pada Opini Kenaikan Harga Bahan Bakar Minyak Pada Media Sosial Twitter,” Simtek J. Sist. Inf. dan Tek. Komput., vol. 8, no. 2, pp. 280–284, 2023, doi: 10.51876/simtek.v8i2.207.

A. P. Putra, A. N. Alivia, M. Meilani, N. J. Azzahra, and N. A. Rakhmawati, “Analisis Sentimen Warga Twitter Terhadap Game Shopee Cocoki Dengan Metode Naive Bayes Classifier,” J. Ilm. Inform. Komput., vol. 28, no. 2, pp. 137–148, 2023, doi: 10.35760/ik.2023.v28i2.9494.

I. Oktavia and A. R. Isnain, “Analisis Sentimen Opini Terhadap Tools Artificial Intelligence ( AI ) Berdasarkan Twitter Menggunakan Algoritma Naïve Bayes,” vol. 8, no. April, pp. 777–787, 2024, doi: 10.30865/mib.v8i2.7524.

Liza Wikarsa, “Paper_3_15-24,” vol. 18, no. 1, pp. 15–24, 2022.

A. R. Ismail and Raden Bagus Fajriya Hakim, “Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter,” Emerg. Stat. Data Sci. J., vol. 1, no. 1, pp. 37–46, 2023, doi: 10.20885/esds.vol1.iss.1.art5.

V. Karenina, M. F. Erinsyah, and D. S. Wibowo, “Klasifikasi Rentang Usia Dan Gender Dengan Deteksi Suara Menggunakan Metode Deep Learning Algoritma Cnn (Convolutional Neural Network),” Komputika J. Sist. Komput., vol. 12, no. 2, pp. 75–82, 2023, doi: 10.34010/komputika.v12i2.10516.

F. Nur Fajri, A. Tholib, and W. Yuliana, “Application of Machine Learning Algorithm for Determining Elective Courses in Informatics Study Program,” J. Tek. Inform. dan Sist. Inf., vol. 8, no. 3, pp. 485–496, 2022, doi: 10.28932/jutisi.v8i3.3990.

D. A. Punkastyo, F. Septian, and A. Syaripudin, “Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa,” J. Syst. Comput. Eng., vol. 5, no. 1, pp. 24–35, 2024, doi: 10.61628/jsce.v5i1.1073.

L. Indriyani and W. Susanto, “Analisis Penerapan Naïve Bayes Untuk Memprediksi Resiko Kredit Anggota Koperasi Keluarga Guru,” J. Inform., vol. 6, no. 2, pp. 262–270, 2019, doi: 10.31311/ji.v6i2.5724.

D. F. Rahman, “Analisis Chatgpt Tweet Menggunakan Eda Dan Sentiment Analysis: Data Pengguna Twitter Di Indonesia,” no. September, 2023, [Online]. Available: https://www.researchgate.net/publication/376356578

Y. Nooryuda Prasetya, D. Winarso, and Syahril, “Penerapan Lexicon Based Untuk Analisis Sentimen Pada TwiterTerhadap Isu Covid-19,” J. Fasilkom, vol. 11, no. 2, pp. 97–103, 2021.

S. Anggina, N. Y. Setiawan, and F. A. Bachtiar, “Analisis Ulasan Pelanggan Menggunakan Multinomial Naïve Bayes Classifier dengan Lexicon-Based dan TF-IDF Pada Formaggio Coffee and Resto,” is Best Account. Inf. Syst. Inf. Technol. Bus. Enterp. this is link OJS us, vol. 7, no. 1, pp. 76–90, 2022, doi: 10.34010/aisthebest.v7i1.7072.