Penerapan Algoritma Naïve Bayes Classifier dalam Analisis Sentimen Masyarakat Terhadap Hasil Pemilu Presiden RI 2024

Abstract

Analisis sentimen merupakan proses menganalisis teks  untuk menentukan apakah sebuah kalimat tersebut mempunyai pesan positif, negatif, atau netral. Untuk menentukan sentiment positif, negatif, dan netral kita perlu melakukan pelabelan. Pada penelitian ini pelabelan menggunakan 4 library yaitu, lexicon bahasa indonesia, textblob, nltk, dan vader sentiment. Hasil pelabelan dari masing-masing library dari 6 kandidat pemilu ini dapat disimpulkan bahwa persentase sentiment positif paling banyak yaitu kandidat ganjar pranowo yaitu sebesar 63.78%, kedua mahfud md yaitu 58.91%, ketiga anies yaitu 48.92%, keempat muhaimin 46.35%, kelima prabowo yaitu 45.84%, keenam gibran yaitu 43.74%. Sentimen negatif paling banyak yaitu anies baswedan yaitu 28.68%, muhaimin iskandar yaitu 28.65%, prabowo subianto yaitu 26.95%, giban rakabuming raka yaitu 26.66%, ganjar pranowo yaitu 23.73%, dan mahfud yaitu 22.40%. Jadi disimpulkan bahwa sentiment masyarakat terkait pemilu 2024 banyak sentiment positif kepada kandidat ganjar pranowo dan negative kepada anies baswedan. Hasil akurasi paling tinggi menggunakan algoritam naïve bayes yaitu menggunakan library lexicon bahasa indonesia sebesar 81.54%, kedua menggunakan library vader sentiment sebesar 80.91%, ketiga menggunakan library nltk sebesar 80.08%, dan keempat menggunakan library textblob sebesar 73.54%.