Studi Komparatif Algoritma Machine Learning untuk Klasifikasi Sentimen Tokoh Jokowi

Yusuf, Ilham and Al Haris, Firdhaus Hari Saputro and Khusnuliawati, Hardika (2025) Studi Komparatif Algoritma Machine Learning untuk Klasifikasi Sentimen Tokoh Jokowi. Skripsi thesis, Universitas Sahid Surakarta.

	Text Ilham Yusuf_Hal.Awal_2021061024.pdf Download (1MB)
	Text Ilham Yusuf_BAB I_2021061024.pdf Download (283kB)
	Text Ilham Yusuf_BAB II_2021061024..pdf Download (585kB)
	Text llham Yusuf_BAB III_2021061024.pdf Restricted to Repository staff only Download (457kB) | Request a copy
	Text Ilham Yusuf_BAB IV_2021061024.pdf Restricted to Repository staff only Download (783kB) | Request a copy
	Text Ilham Yusuf_BAB V_2021061024.pdf Download (237kB)
	Text Ilham Yusuf_ Daftar Pustaka_2021061024.pdf Download (259kB)
	Text IlhamYusuf_Lampiran_2021061024.pdf Download (656kB)

Abstract

Media sosial telah menjadi platform penting dalam menyampaikan opini publik, termasuk terhadap tokoh politik seperti Joko Widodo (Jokowi). Opini tersebut dapat dianalisis melalui pendekatan analisis sentimen untuk memahami persepsi masyarakat secara luas. Penelitian ini bertujuan untuk membandingkan kinerja dua algoritma machine learning, yaitu Support Vector Machine (SVM) dan Logistic Regression dalam mengklasifikasikan sentimen publik terhadap Jokowi pada platform media sosial X (Twitter). Penelitian ini menggunakan metode SEMMA (Sample, Explore, Modify, Model, Assess) dalam proses analisis, dengan data yang dikumpulkan melalui teknik crawling sebanyak 1.500 tweet. Data diproses melalui tahapan pembersihan teks, pelabelan sentimen secara lexicon-based, vektorisasi TF-IDF, serta pelatihan dan evaluasi model menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa algoritma Logistic Regression memberikan kinerja lebih baik dibandingkan SVM, dengan akurasi mencapai 96%, sedangkan SVM mencapai 84%. Dengan demikian, Logistic Regression terbukti lebih akurat dan stabil dalam mengklasifikasikan sentimen terhadap tokoh publik dalam konteks ini.

Actions (login required)

View Item