Isi Artikel Utama

Abstrak

Salah satu bentuk penegakan demokrasi yang dilakukan oleh Negara Kesatuan Republik Indonesia yaitu melalui penyelenggaraan pemilihan presiden atau sering dikenal juga dengan istilah pilpres. yang diadakan setiap lima tahun sekali untuk memilih Presiden selanjutnya. Kemudian disamping itu, dalam era digital ini masyarakat semakin aktif menggunakan media sosial untuk menyampaikan pandangan, pendapat, dan sentimen mereka terkait dengan pemilihan presiden. Menjelang pilpres 2024 banyak kalangan seperti partai politik, tim sukses, buzzer, dan para pendukung memanfaatkan media sosial sebagai media berkampanye untuk meningkatkan popularitas dan elektabilitas bakal calonnya. Salah satu media sosial yang banyak digunakan dalam media promosi partai politik adalah twitter. Yang digunakan oleh orang-orang untuk mengirimkan berbagai komentar yang bisa bersifat positif atau negatif mengenai pemilihan tersebut. Terkadang, orang juga mengeluarkan pendapat yang bersifat hoaks sebelum atau selama pemilihan berlangsung. Mengingat komentar-komentar di Twitter saat ini sulit untuk dikategorikan sebagai positif atau negatif, diperlukan analisis sentimen guna memahami sikap publik terhadap pemilihan presiden tersebut. Penelitian ini bertujuan untuk mengevaluasi dokumen teks dan menentukan apakah dokumen tersebut memiliki orientasi sentimen positif atau negatif. selain itu metode yang digunakan yaitu K-Means untuk  melakukan clustering pada data. Hasil dari pembobotan ini berupa sentimen positif dan negatif. Data diambil dari Twitter mengenai pemilu presiden (pilpres)  2024  sebanyak 1015 data tweet.

Kata Kunci

Analisis Sentimen K-Means Pilpres 2024 Politik Twitter

Rincian Artikel

Cara Mengutip
[1]
A. S. Amin, “Analisis Sentimen Pengguna Twitter dalam Pemilihan Presiden (PILPRES) 2024 dengan Menggunakan Algoritma K-Means”, Jurnal Algoritma, vol. 21, no. 1, Mei 2024.

Referensi

R. Vindua and A. U. Zailani, “Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python,” vol. 10, no. 2, pp. 479–487, 2024, doi: 10.30865/jurikom.v10i2.5945.

A. P. Nardilasari, A. L. Hananto, S. S. Hilabi, and B. Priyatna, “Analisis Sentimen Calon Presiden 2024 Menggunakan Algoritma SVM,” vol. 7, no. 1, pp. 11–18, 2024.

A. Agrani and B. Rikumahu, “Perbandingan Analisis Sentimen Terhadap Digital Payment ‘Go-Pay’ Dan ‘Ovo’ Di Media Sosial Twitter Menggunakan Algoritma Naïve Bayes Dan Word Cloud Comparison of Sentiment Analysis Against Digital Payment ‘Go-Pay’ and ‘Ovo’ in Social Media Twitter Using N,” Agustus, vol. 7, no. 2, p. 2534, 2020.

N. Haqqizar and T. N. Larasyanti, “Analisis Sentimen Terhadap Layanan Provider Telekomunikasi Telkomsel Di Twitter Dengan Metode Naïve Bayes,” Prosiding TAU SNAR-TEK 2019 Seminar Nasional Rekayasa dan Teknologi, vol. 10, no. 2, pp. 1–15, 2019.

H. Irsyad and M. R. Pribadi, “Implementasi Text Mining Dalam Pengelompokan Data Tweet Pertanian Indonesia Dengan K-Means,” KURAWAL Jurnal Teknologi, Informasi dan Industri, vol. 3, no. 2, pp. 164–172, 2020.

A. Ramdhani, B. K. Muzadid, D. T. Alamanda, and F. F. Roji, “Persepsi Netizen Terhadap Kebijakan Pemerintah Pada Ojek Online Menggunakan Twitter Analysis,” Seminar Nasional …, 2019.

I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” Eksplora Informatika, vol. 9, no. 1, pp. 1–10, 2019, doi: 10.30864/eksplora.v9i1.237.

A. Rifa’i, G. G. Setiaji, and V. Vydia, “Penggunaan Metode K-Means Fakultas Teknologi Informasi dan Komunikasi , Universitas Semarang,” Pengembangan Rekaya dan Teknologi, vol. 15, no. 1, pp. 43–47, 2019.

A. R. Adiati, A. Herdiani, and W. Astuti, “Analisis Sentimen Masyarakat Pada Media Sosial Twitter Terhadap Partai Politik Peserta Pemilihan Umum 2019 Menggunakan Naive Bayes Classifier,” eProceedings …, vol. 6, no. 2, 2019, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/viewFile/9836/9697

M. R. Fais Sya’ bani, U. Enri, and T. N. Padilah, “Analisis Sentimen Terhadap Bakal Calon Presiden 2024 Dengan Algoritme Naïve Bayes,” JURIKOM (Jurnal Riset Komputer), vol. 9, no. 2, p. 265, 2022, doi: 10.30865/jurikom.v9i2.3989.

M. T. Student et al., “Analisis Sentimen Masyarakat Terhadap Pilpres 2019 Berdasarkan Opini Dari Twitter Menggunakan Metode Naive Bayes Classifier,” Front Neurosci, vol. 14, no. 1, pp. 1–13, 2021.

R. Julianto, E. D. Bintari, and Indrianti, “Analisis Sentimen Layanan Provider Telepon Seluler pada Twitter menggunakan Metode Naïve Bayesian Classification,” Journal of Big Data Analytic and Artificial Intelligence, vol. 3, no. 1, 2017.

T. I. Saputra and R. Arianty, “Implementasi Algoritma K-Means Clustering Pada Analisis Sentimen Keluhan Pengguna Indosat,” Jurnal Ilmiah Informatika Komputer, vol. 24, no. 3, pp. 191–198, 2019, doi: 10.35760/ik.2019.v24i3.2361.

S. J. Patandianan, G. M. Putra, and H. S. Pakpahan, “Implementasi Metode K-Means untuk Pengelompokkan Rekomendasi Tugas Akhir,” vol. 16, no. 1, 2021.

T. I. Saputra and R. Arianty, “Implementasi Algoritma K-Means Clustering Pada Analisis Sentimen Keluhan Pengguna Indosat,” Jurnal Ilmiah Informatika Komputer, vol. 24, no. 3, pp. 191–198, 2019, doi: 10.35760/ik.2019.v24i3.2361.

D. Normawati and S. A. Prayogi, “Implementasi Naïve Bayes Classifier Dan Confusion Matrix Pada Analisis Sentimen Berbasis Teks Pada Twitter,” Sains Komupter & Informatika, vol. 5, no. November 2019, pp. 697–711, 2021.