Nur Syifa (2024) ONLINE ANALISIS SENTIMEN PADA PEMILIHAN UMUM PRESIDEN DI KOTA BANJARMASIN 2024. PROGRAM STUDI SARJANA SISTEM INFORMASI FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS SARI MULIA BANJARMASIN 2024.
Text
SKRIPSI_NURSYIFA - Nur Syifa.pdf Download (6MB) |
Abstract
Penelitian ini dilakukan untuk mengeksplorasi dinamika politik di era digital dan menggali pandangan serta sentimen masyarakat Banjarmasin terkait Pemilihan Umum Presiden 2024. Media sosial memainkan peran penting sebagai alat ekspresi politik dan pertukaran ide. Analisis sentimen digunakan untuk mengevaluasi opini publik dan preferensi politik masyarakat di Banjarmasin. Tujuan: Penelitian ini bertujuan untuk mengamati dan menganalisis opini masyarakat di media sosial terkait Pilpres 2024. Selain itu, penelitian ini ingin memahami proses pengumpulan data opini masyarakat dan menganalisisnya menggunakan metode Support Vector Machine (SVM). Penelitian ini juga bertujuan untuk mengklasifikasikan sentimen menjadi positif atau negatif dan memahami pengaruhnya terhadap pandangan politik masyarakat. Metode: Metode yang digunakan dalam penelitian ini adalah Support Vector Machine (SVM). Data dikumpulkan dari platform media sosial dan form observasi masyarakat Banjarmasin. Hasil: Distribusi kelas di seluruh dataset menunjukkan ketidakseimbangan yang signifikan, dengan 96,1% data berlabel positif (1071 sampel) dan hanya 3,9% berlabel negatif (44 sampel). Hasil evaluasi model menunjukkan bahwa model Support Vector Machine yang digunakan memiliki tingkat akurasi sebesar 94,62%. Simpulan: Penelitian ini menyoroti dominasi peran Instagram dan platform X dalam mempengaruhi arus informasi dan diskusi publik mengenai Pilpres 2024. Model Support Vector Machine (SVM) terbukti efektif dalam mengklasifikasikan sentimen dengan tingkat akurasi mencapai 94,62%, membuatnya menjadi alat yang kuat untuk analisis sentimen dalam konteks politik modern.
Item Type: | Skripsi |
---|---|
Subjects: | T Technology > T Technology (General) |
Fakultas: | FAKULTAS SAINS DAN TEKNOLOGI |
Pengguna Penyetoran: | Rahman Perpustakaan UNISM |
Tanggal Setoran: | 20 Aug 2024 03:32 |
Last Modified: | 20 Aug 2024 03:32 |
URI: | http://repository.unism.ac.id/id/eprint/3254 |
Actions (login required)
View Item |