Analisis Triplet Sentimen Level Aspek Terhadap Media Sosial X (Twitter) Menggunakan Model EMC-GCN Pada Pemilihan Presiden 2024

Diko, Baharian (2024) Analisis Triplet Sentimen Level Aspek Terhadap Media Sosial X (Twitter) Menggunakan Model EMC-GCN Pada Pemilihan Presiden 2024. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5026201108-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only until 1 October 2026. Download (7MB) | Request a copy

Abstract

Salah satu media sosial yang banyak digunakan di Indonesia adalah X (Twitter). Dalam penggunaanya, media sosial X bukan lagi berperan sebagai media sosial biasa tetapi juga sebagai saluran kampanye politik. Hal ini didasari karena elit politik dapat memanfaatkan X (Twitter) untuk membangun opini publik yang dapat mempengaruhi sikap politik individu termasuk pada pilihan capres dan cawapres di pemilihan presiden. Ditambah opini pada X (Twitter) tidak hanya berasal dari masyarakat biasa saja karena terdapat pula akun bot dan buzzer yang dapat mempengaruhi opini publik di X (Twitter). Polaritas sentimen yang dihasilkan dari opini publik di X (Twitter) ini dapat dicari keterkaitanya dengan kemenangan atau kekalahan suatu paslon. Polaritas sentimen ini kemudian dapat diklasifikasikan dengan menggunakan analisis sentimen berbasis aspek, yang memiliki variasi untuk menghasilkan tiga luaran (aspek, opini, dan sentimen) secara end-to-end yaitu Aspect Sentiment Triplet Extaction (ASTE). Penggunaan ASTE ini untuk mengetahui apakah ada keterkaitan kuantifikasi tweet positif suatu paslon dengan hasil pemilihan presiden sebenarnya terlepas apakah adanya intervensi dari akun bot maupun buzzer politik. Penelitian ini akan melakukan analisis triplet sentimen level aspek pada media sosial X (Twitter) menggunakan model EMC-GCN terhadap Capres dan Cawapres di Pemilihan Presiden tahun 2024. Data tweet yang dikumpulkan pada penelitiaan ini berjumlah 940.332 yang berasal dari tweet 19 Oktober 2023 – 13 Februari 2024. Pengujian model menggunakan data test, menghasilkan nilai f1-score tertinggi pada 0,66. Meskipun berdasarkan nilai perfoma model dianggap belum cukup baik karena terdapat kesalahan pemilihan kata pada aspek dan opini, tetapi dengan analisis prediksi kesalahan, model masih dapat menangkap substansi atau polaritas sentimen pada data tweet dengan cukup baik. Maka dari itu, dengan melakukan evaluasi terpisah yaitu prediksi polaritas sentimen, model mendapatkan nilai f1-score lebih baik yaitu dengan nilai tertinggi 0,83 pada data dengan model Single Sentence, Single Word. Model kemudian berhasil mengimplementasikan prediksi dengan menghasilkan 130.297 triplet. Dari triplet yang dihasilkan, penilaian sentimen positif terhadap hasil pemilihan umum sebenarnya menghasilkan nilai selisih rata-rata 19,47% yang menunjukkan keterkaitan antara sentimen positif pada hasil pemilihan umum sebenarnya.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Aspect Sentiment Triplet Extraction, X (Twitter), Pemilihan Presiden, Analisis Sentimen Berbasis Aspek, Politik, Aspect-Based Sentiment Analysis, Presidential Election, Politics
Subjects:	J Political Science > JA Political science (General) Q Science > Q Science (General) > Q325.5 Machine learning. Support vector machines. T Technology > T Technology (General) > T57.5 Data Processing
Divisions:	Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Information System > 57201-(S1) Undergraduate Thesis
Depositing User:	Baharian Diko
Date Deposited:	31 Jul 2024 03:23
Last Modified:	31 Jul 2024 03:23
URI:	http://repository.its.ac.id/id/eprint/110768

Actions (login required)

View Item