ANALISIS SENTIMEN MENGGUNAKAN METODE LEXICON-BASED DAN SUPPORT VECTOR MACHINE PADA PRESIDEN DAN WAKIL PRESIDEN INDONESIA PERIODE 2024–2029

Abstract

Twitter merupakan salah satu platform media sosial yang memiliki pengaruh besar di Indonesia. Banyak pengguna Twitter di Indonesia sering membagikan pendapat atau perasaan mereka tentang berbagai isu, termasuk tentang Presiden dan Wakil Presiden terpilih periode 2024–2029. Tujuan utama penelitian ini adalah penerapan algoritma machine learning analisis sentimen berbasis leksikon (Lexicon-Based). Algoritma yang digunakan untuk pembuatan model adalah Support Vector Machine (SVM). Proses uji coba melibatkan beberapa langkah, mulai dari pengambilan data dari Twitter, kemudian proses pembersihannya (preprocessing) sampai train model. Dalam pembuatan model SVM, berbagai konfigurasi diuji untuk menemukan model terbaik agar hasil analisis menjadi lebih akurat. Hasil uji coba menunjukkan bahwa metode SVM memiliki performa yang baik, dengan tingkat akurasi sekitar 93%. Laporan klasifikasi menunjukkan kinerja yang sangat baik di semua kelas. Kelas "negatif" memiliki F1-score sebesar 0,93, sedangkan kelas "netral" mencapai F1-score 0,95, dan kelas "positif" memperoleh F1-score 0,94. Presisi dan recall juga sangat tinggi di setiap kelas, dengan kelas "netral" mencatat presisi tertinggi sebesar 0,96 dan recall sebesar 0,94.