Terakreditasi SINTA Peringkat 3 Surat Keputusan Direktur Jenderal Pendidikan Tinggi.
Riset, dan Teknologi.
Nomor: 72/E/KPT/2024 masa berlaku mulai Volume 10 Nomor 1 Tahun 2023 sampai Volume 14 Nomor 2 Tahun 2027 Terbit online pada laman web jurnal: https://jurnal.
id/index.
php/tematik/index Jurnal Teknologi Informasi Komunikasi .
-Journa.
Vol.
11 No.
85 - 91
ISSN Media Elektronik: 2443-3640 Analisis Sentimen Twitter Terpilihnya Prabowo - Gibran Menggunakan Metode Neural Network Twitter Sentiment Analysis Of Prabowo - Gibran Election Using Neural Network Method Diana Dwi Rahayu1.
Muhammad Fatchan2.
Wahyu Hadikristanto3 1,2,3Teknik Informatika.
Fakultas Teknik.
Universitas Pelita Bangsa 1dianaayu540@gmail.
com, 2fatchan@pelitabangsa.
id, 3wahyu.
hadikristanto@pelitabangsa.
Abstract One of the most important elections in Indonesian democracy is the presidential election, which chooses the country's leader for the next five years.
In the 2024 presidential election, there are three candidates for president and vice president, including the Prabowo Subianto - Gibran Rakabuming Raka pair.
The election process has taken centre stage on social media, particularly Twitter, where people interact, share information, and express their opinions and feelings.
This study aims to look at public opinion towards the Prabowo-Gibran team, which has attracted a lot of attention since Gibran was nominated as a vice presidential candidate until he was declared the winner in the 2024 presidential election by the KPU.
This analysis provides valuable insight into understanding public opinion and feelings towards the president and vice president-elect.
The method used in this research is neural network (NN), which is proven to be effective in text data classification and capable of producing high accuracy.
The dataset used is public opinion on Twitter, which is taken through the data crawling process.
The initial data of 1511 tweets was then cleaned and prepared into a dataset of 1500 tweets, with the main attribute being the content of the tweet.
Based on the findings, the neural network model created was able to classify the sentiment of tweets related to the Prabowo-Gibran pair with an accuracy rate of 93%.
Thus, this sentiment analysis makes an important contribution to understanding the public's response to the presidential election process and the election of a new president and vice president.
Keywords: sentiment analysis, prabowo, gibran, twitter, neural network Abstrak Salah satu pemilihan umum terpenting dalam demokrasi Indonesia adalah pemilihan presiden, yang memilih pemimpin negara untuk lima tahun kedepan.
Pada pemilihan presiden tahun 2024, terdapat tiga kandidat calon presiden dan calon wakil presiden, termasuk pasangan Prabowo Subianto Ae Gibran Rakabuming Raka.
Proses pemilihan ini menjadi sorotan utama di media sosial, khususnya twitter, tempat dimana masyarakat berinteraksi, berbagi informasi, dan mengekspresikan pendapat serta perasaan Tujuan dari penelitian ini adalah untuk melihat opini publik terhadap tim Prabowo-Gibran, yang telah menarik banyak perhatian sejak Gibran dicalonkan sebagai calon wakil presiden hingga dinyatakan sebagai pemenang dalam pemilihan presiden 2024 oleh KPU.
Analisis ini memberikan wawasan yang berharga untuk memahami opini dan perasaan publik terhadap presiden dan wakil presiden terpilih.
Metode yang digunakan dalam penelitian ini adalah neural network (NN), yang terbukti efektif dalam klasifikasi data teks dan mampu menghasilkan akurasi yang tinggi.
Dataset yang digunakan adalah pendapat masyarakat di twitter, yang diambil melalui proses crawling data.
Data awal sebanyak 1511 tweet kemudian dibersihkan dan disiapkan menjadi dataset berukuran 1500 tweet, dengan atribut utama yaitu isi tweet.
Berdasarkan temuan tersebut, model neural network yang dibuat mampu mengklasifikasikan sentimen dari tweet yang berkaitan dengan pasangan Prabowo-Gibran dengan tingkat akurasi sebesar 93%.
Dengan demikian, analisis sentimen ini memberikan kontribusi penting dalam memahami respon masyarakat terhadap proses pemilihan presiden dan terpilihnya pasangan presiden dan wakil presiden yang baru.
Kata kunci: analisis sentimen, prabowo, gibran, twitter, neural network Pendahuluan Media sosial telah mengubah dinamika komunikasi dan penyebaran informasi secara signifikan dalam beberapa dekade terakhir.
Twitter adalah salah satu platform media sosial yang paling banyak digunakan untuk mendiskusikan ide dan pendapat di antara para Dengan format pesan singkatnya, twitter memungkinkan pengguna untuk menyampaikan pemikiran, berbagi berita, dan berinteraksi dengan Diterima Redaksi: 12-06-2024 | Selesai Revisi: 25-06-2024 | Diterbitkan Online: 25-06-2024 Diana Dwi Rahayu.
Muhammad Fatchan.
Wahyu Hadikristanto Tematik : Jurnal Teknologi Informasi Komunikasi .
-Journa.
Vol.
11 No.
komunitas global dalam waktu nyata.
Hal ini menjadikan twitter sebagai alat yang efektif dalam berbagai konteks, termasuk dalam kampanye politik.
Setelah memeriksa fungsi media sosial dalam pemilihan presiden 2019, ditemukan bahwa twitter, khususnya, sangat penting dalam memengaruhi opini publik dan menyebarkan pesan kampanye.
Twitter memberikan ruang bagi pengguna untuk mengikuti perkembagan terbaru, terlibat dalam diskusi, dan menyampaikan pandangan mereka tentang berbagai isu, mulai dari politik dan hiburan hingga olahraga dan Ditemukan bahwa penggunaan twitter di Indonesia pada platform ini digunakan secara luas untuk berbagai tujuan, termasuk berbagi berita, mengorganisir acara sosial, dan menyuarakan pendapat tentang isu-isu politik.
Dalam konteks politik, twitter menjadi arena utama untuk kampanye, debat dan penyebaran informasi politik.
Pada pemilihan presiden 2024 ini muncul pasangan Prabowo Subianto Ae Gibran Rakabuming Raka yang mendapat perhatian lebih oleh masyarakat.
Penelitian mengenai Prabowo dan Gibran dalam konteks pemilihan presiden masih relatif baru, namun beberapa studi awal telah mengidentifikasi dinamika dukungan dan persepsi publik terhadap kedua tokoh ini.
Studi oleh.
menyatakan bahwa Prabowo adalah pemain utama menjelang pemilihan presiden 2024 karena reputasinya sebagai salah satu kandidat yang paling Penelitian lain mengatakan bahwa Guru Besar FISIP dari Universitas Airlangga Marijan memiliki pandangan tersendiri dalam memandnag fenomena ini dimana dia beranggapan bahwa pengusungan Gibran itu merupakan strategi yang sangat serius dari Prabowo untuk memenangkan Pilpres 2024.
Tampilnya Gibran sebagai cawapres Prabowo tidak lepas dari jasa dan pengaruh orang kuat yang dalam hal ini Presiden Jokowi sang ayah.
Dengan semakin meningkatnya penggunaan media sosial dalam kampanye politik, penting untuk memahami bagaimana masyarakat merespon dan mendukung pasangan calon melalui platform ini.
Analisis sentimen twitter dapat memberikan wawasan mendalam tentang persepsi dan dukungan masyarakat terhadap pasangan calon presiden Prabowo Subianto dan Gibran Rakabuming Raka.
Metode yang dipilih dalam penelitian ini yaitu Neural Network, penelitian ini bertujuan untuk mengidentifikasi pola sentimen dan opini yang mendominasi diskusi publik tentang kedua tokoh ini di twitter.
Diharapkan penelitian ini akan memberikan kontribusi yang signifikan dalam beberapa hal terutama memberikan pemahaman yang lebih mendalam mengenai persepsi dan dukungan masyarakat terhadap pasangan Prabowo-Gibran melalui media sosial twitter.
Selain itu menyediakan wawasan bagi politisi dan tim kampanye dalam merancang strategi komunikasi yang lebih efektif di era digital, serta menjadi kutipan untuk studi tambahan tentang dengan analisis sentimen dan penggunaan media sosial dalam kampanye politik.
Dengan demikian, dalam rangka memberikan gambaran utuh mengenai opini dan dukungan publik terhadap pasangan calon presiden Prabowo Subianto dan Gibran Rakabuming Raka pada Pilpres 2024, penelitian ini akan menggabungkan analisis sentimen twitter dengan metode Neural Network.
Metode Penelitian Penelitian ini menggunakan teknik analisis kualitatif deskriptif, yang secara khusus berfokus pada data kualitatif dalam bentuk kompilasi faktual atau komentar, baik positif maupun negatif, yang dikumpulkan dari twitter tanpa filter usia, jenis kelamin, atau tingkat pendidikan pengguna.
Strategi ini bertujuan untuk menyederhanakan proses pengumpulan data, mencegah bias pemilihan, dan mengumpulkan berbagai sudut pandang tanpa diskriminasi.
Namun, analisis variasi sentimen di antara kelompok demografis tertentu menjadi terbatas karena tidak ada filter Meskipun hasilnya tidak sepenuhnya mewakili seluruh populasi dan memungkinkan adanya bias yang melekat pada data Twitter, hasil penelitian ini memberikan gambaran umum tentang sentimen di Twitter terkait terpilihnya Prabowo Gibran.
Sulit untuk menarik kesimpulan sosial atau politik yang tepat tanpa adanya data demografis yang komprehensif, dan temuan-temuan tersebut harus diinterpretasikan dengan hati-hati untuk mencegah penarikan kesimpulan yang salah atau terlalu umum.
Tahapan penelitian ini dapat dilihat pada Gambar 1.
Gambar 1.
Tahapan Penelitian Tahap pertama dalam proses penelitian ini adalah pengumpulan data.
Data dikumpulkan dari platform twitter dengan menggunakan twitter API, yang memungkinkan akses langsung dan otomatis ke sejumlah besar tweet yang relevan.
Proses pengumpulan data ini melibatkan ekstraksi tweet yang mengandung kata kunci "prabowo gibran terpilih" serta variasi kata kunci lainnya yang terkait dengan pasangan calon presiden Prabowo Subianto dan Gibran DOI: https://doi.
org/10.
38204/tematik.
Lisensi: Creative Commons Attribution 4.
0 International (CC BY 4.
Diana Dwi Rahayu.
Muhammad Fatchan.
Wahyu Hadikristanto Tematik : Jurnal Teknologi Informasi Komunikasi .
-Journa.
Vol.
11 No.
Rakabuming Raka.
Periode pengumpulan data dimulai sejak 20 Maret 2024 sampai 13 Mei 2024, penetapan periode ini diambil setelah pengumuman resmi real count Komisi Pemilihan Umum (KPU).
Langkah ini bertujuan untuk mengumpulkan data yang representatif dan mencerminkan dinamika opini publik setelah melalui rangkaian panjang pemilihan umum Dalam melakukan text mining, persiapan awal yang matang sangat penting untuk memastikan data yang digunakan bersih dan siap untuk analisis lebih lanjut.
Preprocessing adalah istilah untuk prosedur persiapan ini, yang mencoba mengubah data yang tidak terstruktur menjadi data terstruktur sehingga dapat digunakan dalam tahap analisis selanjutnya.
Preprocessing menjamin bahwa data yang dianalisis tepat, relevan, dan bebas dari gangguan, sehingga menjadikannya sebagai langkah penting dalam proses penggalian teks.
Tahap ini terdiri dari cleaning yang merupakan Proses pembersihan data dari elemen-elemen yang tidak diinginkan seperti tanda baca, angka, karakter khusus, dan URL.
Cleaning membantu menghilangkan gangguan dalam data yang dapat mempengaruhi hasil Untuk menjaga keseragaman dan mencegah perbedaan yang dihasilkan dari kombinasi huruf besar dan huruf kecil, casefolding diterapkan pada setiap huruf dalam teks yang diubah menjadi huruf kecil.
Langkah selanjutnya tokenizing, tahap ini membagi teks menjadi bagian yang lebih kecil, atau token, yang biasanya berupa kata atau frasa.
Tokenizing memungkinkan analisis lebih mendetail dan memudahkan identifikasi pola dalam teks.
Kemudian stopword removal yang berfungssi menghapus istilah yang biasanya digunakan dalam teks tetapi tidak memberikan banyak informasi yang berguna untuk analisis, seperti AudanAy.
AuyangAy, dan AudiAy.
Proses ini menggunakan library Natural Langauge Toolkit (NLTK).
Penghapusan stopword membantu meningkatkan efisiensi dan fokus analisis pada katakata yang lebih bermakna.
Langkah terakhir proses stemming yang mengonversi kata ke bentuk yang paling sederhana atau bentuk dasar.
Pada proses pelabelan dalam penelitian ini, digunakan teknik berbasis leksikon .
exicon-based approac.
Teknik ini dipilih karena kemampuannya dalam menganalisis sentimen secara langsung berdasarkan kata-kata yang ada dalam teks.
Data dibagi menjadi dua kategori utama dalam pelabelan ini: positif .
dan negatif .
Keputusan untuk mengkategorikan data dalam dua kelompok ini bertujuan untuk menyederhanakan analisis dan fokus pada opini yang jelas positif atau negatif terhadap Gibran Rakabuming Raka dan Prabowo Subianto, calon presiden.
Setelah kategori sentimen ditentukan, tweet yang bersifat netral akan dihilangkan dari dataset.
Penghapusan tweet netral bertujuan untuk memastikan bahwa analisis lebih fokus pada tweet yang mengandung sentimen yang jelas dan signifikan, sehingga hasilnya lebih relevan dan mudah Proses pelabelan ini dilakukan dengan menggunakan kamus Bahasa Indonesia, yang berisi daftar kata-kata dengan nilai sentimen tertentu.
Setiap kata dalam tweet yang sesuai dengan kata-kata dalam kamus akan diberi nilai atau skor sentimen.
Skor ini kemudian dijumlahkan untuk setiap baris tweet, menghasilkan skor total untuk tweet Jika skor total menunjukkan sentimen positif, tweet tersebut diberi label 1, dan jika menunjukkan sentimen negatif, tweet diberi label 0.
Untuk menjamin bahwa model yang dikembangkan dapat dinilai dengan tepat dan menghasilkan prediksi yang tepat, pembagian data dilakukan dalam penelitian ini.
Bagian ini mencoba untuk melatih dan mengevaluasi model.
Delapan puluh persen data disisihkan untuk pelatihan, dan dua puluh persen disisihkan untuk pengujian.
Model neural network dilatih menggunakan data pelatihan, yang terdiri dari 80% dari total data.
20% persen dari data tersebut merupakan data pengujian, yang digunakan untuk mengevaluasi kinerja model setelah pelatihan.
Karena data ini tidak digunakan selama pelatihan, data ini dapat memberikan penilaian yang tidak bias terhadap kapasitas model untuk mengkategorikan tweet baru yang belum pernah dilihat sebelumnya.
Metode klasifikasi yang diterapkan adalah Jaringan Saraf Tiruan (Neural Networ.
yang memiliki keunggulan dalam mengukur opini publik dengan efektif.
Dengan menggunakan teknologi ini, kita dapat memproses dan menganalisis data opini dari berbagai sumber dengan akurasi tinggi dan efisiensi yang memadai.
Dalam konteks ini, neural network dapat secara otomatis mengidentifikasi pola-pola kompleks dan nuansa dalam teks, sehingga memungkinkan kita untuk memahami dan mengukur sentimen serta preferensi masyarakat dengan lebih baik.
Dengan demikian, penggunaan neural network dalam analisis opini publik membawa manfaat signifikan dalam pengambilan keputusan dan perencanaan strategi, baik di bidang politik, bisnis, maupun sosial.
Pada penelitian ini, proses pengujian dilakukan dengan memanfaatkan metode evaluate dari Keras, sebuah kerangka kerja dalam bahasa pemrograman Python yang digunakan untuk membangun dan melatih model neural network.
Metode ini menghasilkan dua parameter penting, yaitu nilai loss dan akurasi.
Nilai loss mengindikasikan seberapa baik model neural network mampu memprediksi sentimen dari teks yang dianalisis, sedangkan akurasi mengukur seberapa tepat model dalam mengklasifikasikan sentimen tersebut.
Penggunaan metode neural network memungkinkan untuk menggali pola-pola kompleks dalam teks tweet DOI: https://doi.
org/10.
38204/tematik.
Lisensi: Creative Commons Attribution 4.
0 International (CC BY 4.
Diana Dwi Rahayu.
Muhammad Fatchan.
Wahyu Hadikristanto Tematik : Jurnal Teknologi Informasi Komunikasi .
-Journa.
Vol.
11 No.
Melalui proses training dan evaluasi dengan metode evaluate dapat menentukan seberapa efektif model neural network dalam memprediksi sentimen opini publik.
Tujuan dari visualisasi ini adalah untuk membuat data lebih mudah dilihat dan dipahami.
Scatter plot dipilih menggambarkan hubungan antara dua variabel secara langsung.
Dalam konteks ini, scatter plot digunakan untuk menggambarkan hubungan antara dua variabel utama, yaitu test loss dan loss.
Sehingga scatter plot dapat melihat pola hubungan antara tingkat loss dan akurasi pada model neural network yang digunakan dengan demikian dapat memberikan gambaran tentang seberapa baik model dalam melakukan klasifikasi sentimen serta konsistensi dari performa model yang Hasil dan Pembahasan Dataset penelitian ini terdiri dari 1511 tweet yang terdiri dari 15 kolom yang berisi katakunci Auprabowo gibran terpilihAy.
Setelah itu, data yang diperoleh disimpan dalam bentuk file dengan ekstensi.
csv dapat dilihat pada Tabel 1.
Tabel 1.
Tabel Contoh Hasil Pengumpulan Data
Tanggal 2024-04-30
2024-04-24
2024-05-11
2024-05-10
2024-05-09
Tweet NU dukung penuh presiden terpilih Prabowo Gibran https://t.
co/ATL8wHqNXU Tertawa Lepas Anies-Cak Imin Hadiri Penetapan Prabowo-Gibran Jadi Presiden dan Wapres Terpilih https://t.
co/fRaKsWHsns PDIP Bakal Jegal Pelantikan Prabowo-Gibran Lewat Dua Cara Ini Presiden dan Wapres Terpilih Bisa Batal Diangkat? https://t.
co/cKQrfo3fXi Partai Buruh mendukung Presiden &amp.
Presiden Terpilih Prabowo Gibran https://t.
co/VG488ZcHsX Putusan MK menetapkan hasil Pemilu 2024 sah Prabowo-Gibran jadi Presiden dan wakil presiden #Pemiludamai #keputusanMKsah https://t.
co/sypXknUUpQ Tahap berikutnya seperti terlihat pada Tabel 2, melakukan cleaning atau pembersihan data pada kolom full text yang mengandung kalimat yang sama sehingga mendapatkan data bersih berjumlah 1500 tweet.
Selain itu dilakukan pembersihan karakter-karakter yang tidak diperlukan seperti URL, emoji, simbol, angka.
Pustaka