Pengembangan Sistem Pemantauan Analisis Sentimen Twitter Mengenai Pilpres 2024 Menggunakan Natural Language Processing dan Machine Learning

Aulia, Rachmita Annisa (2024) Pengembangan Sistem Pemantauan Analisis Sentimen Twitter Mengenai Pilpres 2024 Menggunakan Natural Language Processing dan Machine Learning. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5027201032-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 July 2026. Download (1MB) | Request a copy

Abstract

Pemilihan merupakan momen penting dalam proses demokratisasi suatu negara, dan memantau sentimen publik terkait pemilihan dapat memberikan wawasan berharga bagi pihak yang berkepentingan. Penelitian ini menggunakan data dari Twitter sebagai sumber informasi yang kaya dan real-time untuk menganalisis sentimen publik terkait pemilihan. Metode yang digunakan meliputi pengumpulan data dari Twitter, pra-pemrosesan data untuk membersihkan dan mengatur teks, serta penggunaan algoritma NLP (Natural Language Processing) dan ML (Machine Learning) untuk mengklasifikasikan sentimen dalam tweet menjadi positif dan negatif. Sistem yang dikembangkan akan memungkinkan pemantauan terhadap sentimen selama periode pemilihan 2024. Hasil analisis sentimen akan ditampilkan melalui antarmuka web interaktif, sehingga pengguna dapat mengakses wawasan dan visualisasi data yang relevan. Penelitian ini bertujuan untuk memberikan kontribusi dalam pemahaman yang lebih mendalam tentang sentimen publik terhadap pemilihan dan menyediakan alat yang berguna bagi pihak-pihak berkepentingan seperti lembaga pemilihan dan calon-calon untuk merespons perubahan sentimen serta memahami pandangan masyarakat dengan lebih baik. Dengan menggunakan kombinasi NLP dan ML, tugas akhir ini bertujuan untuk meningkatkan kualitas pemantauan dan analisis sentimen dalam konteks pemilihan 2024, dan dapat diadaptasi untuk pemilihan umum dan politik lainnya di masa depan. Penggunaan vektorisasi TF-IDF dan model klasifikasi SVM memiliki performa terbaik dari semua model yang digunakan pada penelitia ini, dengan accuracy sebesar 80%, precision 80%, recall 84%, dan f1-score 82%.
====================================================================================================================================
Elections represent a crucial moment in the democratization process of a country, and monitoring public sentiment related to elections can provide valuable insights for stakeholders. This research utilizes Twitter data as a rich and real-time source of information to analyze public sentiment regarding elections. The methods employed include data collection from Twitter, data preprocessing to clean and organize text, and the utilization of NLP (Natural Language Processing) and ML (Machine Learning) algorithms to classify sentiment in tweets into positive and negative categories. The developed system will enable monitoring of sentiment during the 2024 election period. The results of sentiment analysis will be displayed through an interactive web interface, allowing users to access relevant insights and data visualizations. This research aims to contribute to a deeper understanding of public sentiment toward elections and to provide a useful tool for stakeholders such as electoral institutions and candidates to respond to sentiment changes and better comprehend public opinions. By employing a combination of NLP and ML, this final project aims to enhance the quality of sentiment monitoring and analysis in the context of the 2024 elections and can be adapted for future general elections and political scenarios. The use of TF-IDF vectorization and SVM classification models has the best performance of all models used in this study, with accuracy of 80%, precision 80%, recall 84%, and f1-score 82%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Analisis Sentimen, Natural Language Processing, Machie Learning, Pemilu 2024, Twitter; Sentiment Analysis, Natural Language Processing, Machine Learning, 2024 Indonesia Presidential Election
Subjects:	T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information Technology > 59201-(S1) Undergraduate Thesis
Depositing User:	Rachmita Annisa Aulia
Date Deposited:	05 Feb 2024 01:21
Last Modified:	05 Feb 2024 01:21
URI:	http://repository.its.ac.id/id/eprint/106004

Actions (login required)

View Item