Analisa Sentimen Sosial Media Twitter terhadap Pilpres 2024 Menggunakan Algoritma Naive Bayes

Abstract

Twitter merupakan salah satu sosial media paling populer di kalangan pengguna internet saat ini. Twitter banyak digunakan sebagai platform untuk berbagi informasi terbaru, mempublikasikan opini, atau untuk berkomunikasi dengan orang lain. Isi Twitter yang disebut tweet, yang biasanya berisi informasi atau berita yang sedang viral. Pendapat yang diperoleh melalui tweet dapat digunakan oleh peneliti untuk menganalisis pendapat publik tentang tokoh politik yang mencalonkan diri sebagai calon presiden Indonesia tahun 2024. Untuk menerapkan teknik pembelajaran mesin dalam mengklasifikasikan polaritas pendapat publik dari jumlah sumber data yang sangat banyak. Teknik ini dapat dilakukan dengan menggunakan teks mining, salah satu fungsi dari teks mining adalah klasifikasi dokumen. Data diperoleh melalui scraping, yaitu dengan mengambil data langsung dari tweet menggunakan Twitter API. Data dikumpulkan dengan menggunakan keyword PILPRES 2024, sejumlah 11000 data diperoleh. Hasil yang didapatkan dari platform twitter bahwasanya sentimen atau persepsi masyarakat cenderung ke sentimen netral (93%) daripada sentimen positif (3%) maupun negatif (1%) dari jumlah data sebanyak 11000 data. Keakuratan metode naïve bayes dalam mengklasifikasi tweet sebesar 93%. Twitter is one of the most popular social media among internet users today. Twitter is widely used as a platform to share the latest information, publish opinions, or to communicate with other people. Twitter content is called a tweet, which usually contains information or news that is currently viral. Opinions obtained through tweets can be used by researchers to analyze public opinion about political figures who are running for president of Indonesia in 2019. To apply machine learning techniques to classify the polarity of public opinion from a very large number of data sources. This technique can be done using text mining, one of the functions of text mining is document classification. the data is obtained through scraping, namely by taking data directly from tweets using the Twitter API. Data was collected using the 2024 PILPRES keyword, a total of 11,000 data were obtained. The results obtained from the Twitter platform show that public sentiment or perceptions tend to be neutral (93%) rather than positive (3%) or negative (1%) from a total of 11,000 data. The accuracy of the Naïve Bayes method in classifying tweets is 93%.