Mendeley 
Zotero 
Grammarly 
Turnitin 
Prediksi Analisis Sentimen Data Debat Pemilihan Presiden 2024 Menggunakan Support Vector Machine (SVM)
Prediction of Sentiment Analysis of 2024 Presidential Election Debate Data Using Support Vector Machine (SVM)
Main Article Content
Penelitian ini bertujuan untuk mengembangkan model klasifikasi menggunakan Support Vector Machine untuk menganalisis sentimen pada data dialog debat Pemilihan Presiden tahun 2024. Sentimen dari ucapan tidak selalu dapat diketahui, sehingga model dalam penelitian ini diusulkan untuk menemukan sentimen dibalik ucapan. Untuk dapat memprediksi sentimen, model dilatih dengan data debat pilpres yang telah dikumpulkan. Model kemudian melakukan klasifikasi terhadap data tersebut, dan kemudian diuji tingkat akurasinya. Setelah diuji menggunakan data tes, diperoleh nilai akurasi sebesar 52,5%. Hasil tersebut kurang memuaskan, maka dilakukan optimasi terhadap model dan data, Hasilnya, nilai akurasi meningkat menjadi sekitar 94%. Untuk kedepannya, mungkin data yang digunakan bisa semakin ditingkatkan dengan memperhatikan distribusi kelas dalam data.
Y. Kurniawati, “How Does Sentiment Analysis Work?,” School of Information Systems, Nov. 24, 2023. https://sis.binus.ac.id/2023/11/24/how-does-sentiment-analysis-work/ (accessed Jan. 12, 2024).
“Apa itu Pemrosesan Bahasa Alami (NLP)? - Penjelasan tentang NLP - AWS,” Amazon Web Services, Inc., 2023. https://aws.amazon.com/id/what-is/nlp/ (accessed Jan. 12, 2024).
D. Sierra, “Algoritma TF — IDF - Delta Sierra,” Medium, Feb. 13, 2019. Accessed: Jan. 12, 2024. [Online]. Available: https://dltsierra.medium.com/algoritma-tf-idf-633e17d10a80
K. Huang and E. Purnomo Putra, “Support Vector Machine Algorithm,” School of Information Systems, Feb. 14, 2022. https://sis.binus.ac.id/2022/02/14/support-vector-machine-algorithm/ (accessed Jan. 12, 2024).
W. Widayat, “Analisis Sentimen Movie Review menggunakan Word2Vec dan metode LSTM Deep Learning,” Jurnal Media Informatika Budidarma, vol. 5, no. 3, p. 1018, Jul. 2021, doi: 10.30865/mib.v5i3.3111.
A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” Jurnal Data Mining dan Sistem Informasi, vol. 2, no. 1, p. 31, Feb. 2021, doi: 10.33365/jdmsi.v2i1.1021.
M. Jenny, M. Haselmayer, and D. Kapla, “Measuring incivility in parliamentary debates: validating a sentiment analysis procedure with calls to order in the Austrian Parliament,” in Political Incivility in the Parliamentary, Electoral and Media Arena, Routledge, 2021, pp. 56–66. Accessed: Jan. 12, 2024. [Online]. Available: http://dx.doi.org/10.4324/9781003029205-3
Y. Matalon, O. Magdaci, A. Almozlino, and D. Yamin, “Using sentiment analysis to predict opinion inversion in Tweets of political communication,” Scientific Reports, vol. 11, no. 1, Mar. 2021, doi: 10.1038/s41598-021-86510-w.
F. Nausheen and S. H. Begum, “Sentiment analysis to predict election results using Python,” in 2018 2nd International Conference on Inventive Systems and Control (ICISC), Jan. 2018. Accessed: Jan. 12, 2024. [Online]. Available: http://dx.doi.org/10.1109/icisc.2018.8399007
G. Abercrombie and R. Batista-Navarro, “Sentiment and position-taking analysis of parliamentary debates: a systematic literature review,” Journal of Computational Social Science, vol. 3, no. 1, pp. 245–270, Jan. 2020, doi: 10.1007/s42001-019-00060-w.
P. Nandwani and R. Verma, “A review on sentiment analysis and emotion detection from text,” Social Network Analysis and Mining, vol. 11, no. 1, Aug. 2021, doi: 10.1007/s13278-021-00776-6.
P. D. Silitonga, I. S. Morina, M. Hasibuan, and U. Lestari, “Analisis Sentimen Kampus Merdeka Menggunakan Machine Learning,” Jurnal ICT : Information Communication & Technology, vol. 21, no. 1, Jul. 2022.
A. N. Hidayat, “Analisis Sentimen Terhadap Wacana Politik Pada Media Massa Online Menggunakan Algoritma Support Vector Machine dan Naive Bayes,” Jurnal Elektronik Sistem Informasi dan Komputer (JESIK), vol. 1, no. 1, 2015.
A. A. Efat, A. Atiq, A. S. Abeed, A. Momin, and Md. G. R. Alam, “Empoliticon: NLP and ML Based Approach for Context and Emotion Classification of Political Speeches From Transcripts,” IEEE Access, vol. 11, pp. 54808–54821, 2023, doi: 10.1109/access.2023.3282162.
F. Neri, C. Aliprandi, F. Capeci, M. Cuadros, and T. By, “Sentiment Analysis on Social Media,” in 2012 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining, Aug. 2012. Accessed: Jan. 12, 2024. [Online]. Available: http://dx.doi.org/10.1109/asonam.2012.164
L. Jiang and Y. Suzuki, “Detecting hate speech from tweets for sentiment analysis,” in 2019 6th International Conference on Systems and Informatics (ICSAI), Nov. 2019. Accessed: Jan. 12, 2024. [Online]. Available: http://dx.doi.org/10.1109/icsai48974.2019.9010578
P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 8, no. 1, p. 147, Feb. 2021, doi: 10.25126/jtiik.0813944.
A. Ilham, N. Azmi Verdikha, and A. Johar Latipah, “Klasifikasi Ujaran Kebencian di Twitter Menggunakan Fitur Ekstraksi Glove dengan Support Vector Machine (SVM),” Jurnal Keilmuan dan Aplikasi Teknik Informatika, vol. 15, no. 2, pp. 64–72, Dec. 2023, doi: 10.35891/explorit.v15i2.4108.
D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan Algoritma SVM Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia,” Edutic - Scientific Journal of Informatics Education, vol. 7, no. 1, Nov. 2020, doi: 10.21107/edutic.v7i1.8779.
Styawati, N. Hendrastuty, and A. R. Isnain, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 6, no. 3, pp. 150–155, Oct. 2021, doi: 10.30591/jpit.v6i3.2870.
