ASNIYAH, Kharir Nur (2025) ANALISIS SENTIMEN PASCA PEMILU INDONESIA 2024 DENGAN PEMBOBOTAN TF-IDF BERBASIS N-GRAM DAN METODE SUPPORT VECTOR MACHINE. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. Cover.pdf Download (60kB)
	Text 3. Halaman Pengesahan I.pdf Download (268kB)
	Text 4. Halaman Pengesahan II.pdf Download (185kB)
	Text 5. Kata Pengantar.pdf Restricted to Repository staff only Download (288kB) | Request a copy
	Text 6. Abstrak.pdf Download (77kB)
	Text 7. Abstract.pdf Download (75kB)
	Text 8. Daftar Isi.pdf Download (46kB)
	Text 12. BAB I.pdf Download (349kB)

Abstract

ABSTRAK
Pemilu 2024 di Indonesia menimbulkan berbagai dinamika politik yang ramai
diperbincangkan di media sosial X. Respons masyarakat terhadap hasil Pemilu
mencerminkan kepuasan, harapan, maupun kritik terhadap pasangan presiden dan
wakil presiden terpilih. Persepsi publik tersebut menjadi indikator penting dalam
membangun kepercayaan terhadap pemerintah. Analisis sentimen diperlukan untuk
membantu pemerintah memantau persepsi publik dan merumuskan kebijakan yang
tidak hanya tepat sasaran, tetapi juga dapat diterima oleh masyarakat. Penelitian ini
menggunakan pembobotan Term Frequency-Inverse Document Frequency (TF
IDF) dengan pendekatan N-Gram guna meningkatkan representasi konteks dalam
data teks. Pendekatan ini menangkap relasi antar kata yang tidak terjangkau oleh
TF-IDF standar. Data dikumpulkan dengan keyword “Prabowo” dan “Gibran” lalu
diklasifikasikan ke dalam kelas negatif, netral, dan positif. Metode Support Vector
Machine (SVM) digunakan karena dikenal memiliki akurasi klasifikasi yang tinggi.
SVM pada dasarnya merupakan binary classifier sehingga pendekatan One Versus
Rest (OVR) digunakan untuk mengatasi masalah multiclass tersebut. Evaluasi
dilakukan pada empat kernel SVM yaitu linear, sigmoid, RBF, dan polynomial.
Kernel linear dengan N-Gram (1,3) dipilih sebagai model terbaik karena
menghasilkan kinerja yang lebih stabil dengan akurasi sebesar 76,6%, precision
79,4%, recall 76,6%, dan F1-score 74,6%. Nilai akurasi tersebut merupakan
peningkatan dari model baseline kernel linear dengan N-Gram (1,1) yang mencapai
75%.
Kata Kunci: Pemilu 2024, SVM, OVR, N-Gram, TF-IDF

Actions (login required)

View Item