ANALISIS PERFORMA ALGORITMA NAÏVE BAYES MULTINOMIAL DENGAN METODE UNDERSAMPLING DAN SMOTE PADA STUDI KASUS DATASET TWITTER PEMILU 2024 - Dalam bentuk buku karya ilmiah

MUHAMMAD AMIEN FADHILLAH

Informasi Umum

Kode

23.04.7423

Klasifikasi

006.312 - Data mining

Jenis

Karya Ilmiah - Skripsi (S1) - Reference

Subjek

Data Mining

Dilihat

19 kali

Informasi Lainnya

Abstraksi

Dalam beberapa tahun lagi, Indonesia akan melaksanakan pemilu. Pemilu ini akan digunakan untuk memilih calon presiden dan wakil presiden Indonesia. Dalam menjalani proses pemilihan, masyarakat sering mengekspresikan dan berbagi pemikiran dan pendapat mereka di media sosial, salah satunya media sosial yang seringa digunakan oleh masyarakat Indonesia adalah Twitter. Sehingga apabila dilakukan penelitian lanjutan pada tweet-tweet tersebut maka diharapkan akan didapati suatu sentimen analisis terhadap opini masyarakat mengenai calon-calon presiden yang diperbincangkan di Twitter. Penelitian ini menggunakan klasifikasi Naïve bayes sebagai metode yang digunakan. Naïve bayes merupakan salah satu bagian dari algoritma sentimen analisis dengan pendekatan machine learning yang memiliki kelebihan dalam hal akurasi dan banyak digunakan dalam mengkategorikan kumpulan data dari media sosial. sehingga relevan digunakan dalam penelitian ini. Hasil akhir dari penelitian ini diharapkan dapat mengetahui pandangan masyarakat terhadap pemilu presiden 2024 berdasarkan opini yang telah diambil dari Twitter dan mengetahui akurasi metode Naïve bayes terhadap tweet opini masyarakat di pemilu 2024. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap calon presiden di pemilu 2024 melalui tweet di Twitter. Metode klasifikasi Naïve bayes digunakan dengan evaluasi menggunakan validasi silang k-fold dan matriks kebingungan. Metode undersampling dan SMOTE diterapkan untuk mengatasi ketidakseimbangan data. Hasil menunjukkan performa yang baik, dengan metode SMOTE memberikan akurasi tertinggi hingga 89.33%. Penelitian ini memberikan wawasan berharga tentang preferensi masyarakat terhadap calon presiden melalui media sosial dan dapat membantu para pemangku kepentingan dalam memahami opini publik dalam pemilihan presiden mendatang.

Kata kunci : Pemilu, Twitter, Sentimen Analisis, Naïve bayes.