ATTARIQ, M. Hafiz (2025) Perbandingan Metode Ekstraksi Fitur TF-IDF, Bag Of Words, Word2Vec, Dan FastText Pada Analisis Sentimen Publik Mengenai Calon Gubernur Jawa Tengah Periode 2024 2030 Pada Media Sosial X Menggunakan SVM. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (100kB)
	Text 2. HALAMAN PERNYATAAN KEASLIAN SKRIPSI.pdf Download (4MB)
	Text 3. HALAMAN PENGESAHAN.pdf Download (4MB)
	Text 4. KATA PENGANTAR.pdf Download (4MB)
	Text 6. ABSTRAK.pdf Download (96kB)
	Text 7. ABSTRACT.pdf Download (143kB)
	Text 8. DAFTAR ISI.pdf Download (300kB)
	Text 11. BAB I PENDAHULUAN.pdf Download (209kB)

Abstract

Pemilihan Kepala Daerah (Pilkada) Jawa Tengah 2024 menjadi fokus utama dalam politik
Indonesia, mengingat provinsi ini merupakan penyumbang suara terbesar dan tanpa adanya
petahana yang mencalonkan diri, menciptakan peluang bagi kandidat baru untuk meraih
dukungan masyarakat. Media sosial X berperan penting dalam komunikasi politik oleh
publik dan tokoh politik, sehingga data yang didapatkan dari media sosial X mengenai tokoh
politik dapat dimanfaatkan untuk memahami sentimen publik terhadap kandidat yang
bersaing dalam kontestasi politik. Penelitian ini bertujuan untuk membandingkan akurasi
dari berbagai metode ekstraksi fitur pada analisis sentimen publik mengenai calon gubernur
Jawa Tengah periode 2025-2030 menggunakan SVM, serta melihat korelasi antara analisis
sentimen tweet kedua calon gubernur Jawa Tengah periode 2025-2030 dengan hasil Pilkada
Jawa Tengah 2024. Metode ekstraksi fitur digunakan untuk mengubah teks menjadi
representasi numerik yang dapat diproses oleh model SVM, yang kemudian digunakan untuk
mengklasifikasikan sentimen masyarakat menjadi kategori positif, netral, dan negatif. Hasil
penelitian menunjukkan bahwa penggunaan ekstraksi fitur TF-IDF dengan kernel RBF
menghasilkan akurasi tertinggi, dengan akurasi mencapai 76,34%. Sementara itu, Bag of
Words memperoleh akurasi 66,87% dengan kernel RBF sebagai kernel optimal. Teknik
ekstraksi fitur berbasis word embedding seperti Word2Vec dan FastText menghasilkan
akurasi yang lebih rendah, masing-masing sebesar 62,75% dan 56,18%. Hasil analisis
sentimen tidak menunjukkan kesesuaian terhadap hasil Pilkada Jawa Tengah 2024.
Meskipun calon gubernur Andika Perkasa memperoleh sentimen positif tertinggi sebesar
65,79%, hasil pemilihan justru menunjukkan bahwa Ahmad Luthfi menjadi pemenang
dengan perolehan suara 59,14%.
Kata kunci : Ekstraksi Fitur, TF-IDF, Bag of Words, Word2Vec, FastText, Analisis
Sentimen, Calon Gubernur, Pilkada, Jawa Tengah, SVM

Actions (login required)

View Item