Perbandingan Algoritma SVM, Random Forest, dan Logistic Regression dalam Analisis Sentimen Pasangan Calon Favorit Pada Pemilu Tahun 2024

Abstract

Tahun 2024 Indonesia melaksanakan pemilihan umum presiden dan wakil presiden. Pemilihan ini nantinya akan berdampak langsung pada kehidupan dan kebijakan masyarakat Indeonesia kedepannya. Oleh karena itu, sangat penting untuk bisa mengetahui karakteristik dan tingkat popularitas tiap-tiap pasangan calon yang akan bersaing. Salah satu caranya adalah dengan melakukan analisis sentimen pada platform media sosial Twitter. Proses analisis sentimen dengan ribuan data dari Twitter membutuhkan waktu yang cukup lama, sehingga perlu adanya penerapan machine learning untuk memepersingkat proses tersebut. Penelitian ini memfokuskan pada 3 algoritma utama, yaitu SVM, Random Forest, dan Logistic Regression. Tujuan dari penelitian ini adalah untuk membandingkan hasil dari analisis sentimen untuk pasangan calon kandidat dan kinerja dari ketiga algoritma tersebut. Pada penelitian ini komentar publik dibagi menjadi dua kelas yaitu sentimen positif dan sentimen negatif. Jumlah data yang digunakan adalah sebanyak 5190 record tweet. Dan setelah melalui tahap pra-pemrosesan data menyusut menjadi 3100 data. Data tersebut dibagi menjadi 3 jenis, yaitu dataset untuk pasangan calon Anies-Muahimin, dataset untuk Prabowo-Gibran, dan dataset untuk GanjarMahfud. Setelah melewati beberapa tahapan dan pengujian model diketahui bahwa hasil dari implementasi algoritma Support Vector Machine (SVM) pada analisis sentimen mendapatkan akurasi rata-rata sebesar 84,4%. Lalu Random Forest sedikit lebih tinggi dengan hasil akurasi sebesar 86,1%. Sedangkan Logistic Regression paling unggul dari kedua algoritma yang lain, dengan mendapatkan akurasi rata rata 89,4%. Diketahui juga bahwa pasangan calon Anies-Muhaimin muncul sebagai kandidat favorit dengan mendapatkan sentiment postif terbanyak di platform Twitter dengan jumlah 699 data.