Aplikasi Populer

🔥 Selamat datang di Aplikasi Populer — Jelajahi tren terbaru tentang betting-on-golf-tournaments!

Abstrak

Sebagai negara demokrasi, tahun 2024 merupakan tahun politik bagi Indonesia karena akan diadakan pemilihan umum serentak mulai dari pejabat daerah hingga presiden. Hal ini menimbulkan beragam reaksi di media sosial, khususnya Twitter, yang memunculkan berbagai macam opini, tidak hanya positif tetapi juga negatif, sehingga menjadi hal menarik untuk diteliti. Kecenderungan pengguna Twitter dalam mengunggah konten dapat diketahui melalui analisis sentimen. Tujuan penelitian ini adalah untuk mengetahui sentimen pengguna Twitter terhadap Pemilu 2024, apakah negatif atau positif. Langkah-langkah penelitian dimulai dengan pengumpulan data tweet, preprocessing text mining, kemudian pelabelan fitur berbasis leksikon, pembangunan model dengan Long Short Term Memory (LSTM), dan evaluasi model menggunakan confusion matrix. Alat yang digunakan dalam penelitian ini adalah Google Colaboratory. Analisis sentimen dilakukan dengan 858 data hasil preprocessing dengan perbandingan 80% data latih dan 20% data uji, menghasilkan akurasi sebesar 78%. Sentimen positif sebesar 52,2% yang sebagian besar berisi dukungan terhadap keberhasilan pemilu serta informasi terkait pemilu. Sentimen negatif sebesar 37% yang mencakup tweet dengan kata-kata kotor, opini yang menyesatkan, dan ejekan terhadap partai politik serta pihak netral. Sentimen netral sebesar 10,8%.

Kata Kunci

Pemilu 2024, Analisis Sentimen, Twitter, LSTM

Referensi

- S. Sorik, "Penataan Demokrasi dan Pemilu di Indonesia Pasca Reformasi," J. Penelit. Polit., vol. 16, no. 1, pp. 101–107, 2019.
- J. Junaidi, F. Alfiah, E. Susanti, J. Kristinna, O. R. Ardiansyah, dan D. Pradipta, "Manfaat Menganalisis Pengaruh Sosial Media Facebook Terhadap Kampanye Politik Di Indonesia," Semin. NasionalTeknologiInformasidan Multimed., pp. 6–8, 2015.
- Y. yuli Astari, A. Afiyati, dan S. W. Rozaqi, "Analisis Sentimen Multi-Class Pada Sosial Media Menggunakan Metode Long Short-Term Memory (LSTM)," J. Linguist. Komputasional, vol. 4, no. 1, pp. 8–12, 2021.
- C. Prianto, N. H. Harani, dan I. Firmansyah, "Analisis Sentimen Terhadap Kandidat Presiden Republik Indonesia Pada Pemilu 2019 di Media Sosial Twitter," J. Media Inform. Budidarma, vol. 3, no. 4, p. 405, 2019.
- J. Vanderplass, Buku pegangan ilmu data Python: Alat penting untuk bekerja dengan data, Edisi Pertama. O’Reilly Media, Inc, 2016.
- V. Nasir dan F. Sassani, "Tinjauan tentang pembelajaran mendalam dalam pemesinan dan pemantauan alat: metode, peluang, dan tantangan," Int. J. Adv. Manuf. Technol., vol. 115, no. 9–10, pp. 2683–2709, 2021.
- M. Birjali, M. Kasri, dan A. Beni-Hssane, "Survei komprehensif tentang analisis sentimen: Pendekatan, tantangan, dan tren," Knowledge-Based Syst., vol. 226, p. 107134, 2021.
- F. Resyanto, Y. Sibaroni, dan A. Romadhony, "Memilih Metode Preprocessing Teks Paling Optimal untuk Analisis Sentimen: Studi Kasus: Tweet iPhone," Proc. 2019 4th Int. Conf. Informatics Comput. ICIC 2019, pp. 2–6, 2019.
- S. A. Azzahra dan A. Wibowo, "Analisis Sentimen Multi-Aspek Berbasis Konversi Ikon Emosi dengan Algoritme Naïve Bayes untuk Ulasan Wisata Kuliner Pada Web Tripadvisor," J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 4, p. 737, 2020.
- F. T. Saputra, Y. Nurhadryani, S. H. Wijaya, dan D. Defina, "Analisis Sentimen Bahasa Indonesia pada Twitter Menggunakan Struktur Tree Berbasis Leksikon," J. Teknol. Inf. dan Ilmu Komput., vol. 8, no. 1, p. 135, 2021.
- N. Hardi, Y. Alkahfi, P. Handayani, W. Gata, dan M. R. Firdaus, "Analisis Sentimen Physical Distancing pada Twitter Menggunakan Text Mining dengan Algoritma Naive Bayes Classifier," Sistemasi, vol. 10, no. 1, p. 131, 2021.
- N. M. A. J. Astari, Dewa Gede Hendra Divayana, dan Gede Indrawan, "Analisis Sentimen Dokumen Twitter Mengenai Dampak Virus Corona Menggunakan Metode Naive Bayes Classifier," J. Sist. dan Inform., vol. 15, no. 1, pp. 27–29, 2020.
- R. C. Staudemeyer dan E. R. Morris, "Memahami LSTM -- tutorial tentang Jaringan Saraf Berulang Long Short-Term Memory," pp. 1–42, 2019.
- Y. Wang, M. Huang, L. Zhao, dan X. Zhu, "LSTM berbasis perhatian untuk klasifikasi sentimen tingkat aspek," EMNLP 2016 - Conf. Empir. Methods Nat. Lang. Process. Proc., pp. 606–615, 2016.
- Y. Xie, L. Le, Y. Zhou, dan V. V. Raghavan, Pembelajaran Mendalam untuk Pemrosesan Bahasa Alami, Edisi pertama, vol. 38. Elsevier B.V., 2018.
DOI: doi

Keamanan dimulai dengan memahami cara developer mengumpulkan dan membagikan data Anda. Praktik privasi dan keamanan data dapat bervariasi berdasarkan penggunaan, wilayah, dan usia Anda.

T: Bagaimana cara mengunduh Aplikasi Populer?
J: Cukup klik tombol instal berwarna hijau di bagian atas dan ikuti instruksi amannya.

T: Mengapa banyak orang merekomendasikan Aplikasi Populer?
J: Karena Aplikasi Populer terbukti aman, cepat, dan didukung penuh oleh platform resmi.