ANALISIS PERBANDINGAN ALGORITMA NAIVE BAYES, SVM, DAN CNN UNTUK MENGETAHUI KECENDERUNGAN MASYARAKAT TERHADAP TOKOH-TOKOH POLITIK DI INDONESIA

Abstract
Dengan meningkatnya perhatian publik terhadap isu-isu politik terkait pemilu 2024, memahami kecenderungan masyarakat terhadap tokoh-tokoh politik menjadi sangat penting. Penelitian ini menganalisis sentimen terhadap tokoh politik menggunakan data dari Twitter dan portal berita, dengan menerapkan tiga algoritma: Naive Bayes, SVM, dan CNN. Analisis ini bertujuan untuk mengevaluasi akurasi dan kinerja setiap algoritma melalui metode K-Fold CrossValidation dan Confusion Matrix. Hasil penelitian menunjukkan CNN sebagai algoritma terbaik dengan akurasi tertinggi 0.91, serta nilai precision, recall, dan f1score yang tinggi, menunjukkan kemampuan generalisasi yang baik. Naive Bayes memiliki akurasi testing 0.84 dengan rata-rata precision, recall, dan f1-score 0.87, namun menunjukkan indikasi potensi overfitting. SVM memiliki akurasi testing 0.80 dengan rata-rata precision, recall, dan f1-score 0.82, serta penurunan kinerja signifikan yang mengindikasikan overfitting yang lebih besar. Dalam analisis distribusi sentimen, Naive Bayes menunjukkan persentase sentimen positif tertinggi untuk Ganjar (43%), sentimen netral tertinggi untuk Prabowo (54%), dan sentimen negatif tertinggi untuk Anies (23%). SVM menunjukkan dominasi sentimen netral untuk semua tokoh, dengan Ganjar memiliki sentimen netral tertinggi (87%). CNN menunjukkan variasi sentimen yang lebih seimbang, dengan Ridwan Kamil memiliki sentimen positif sangat tinggi (79%) dan Puan memiliki sentimen netral signifikan (61%). Hasil ini menggarisbawahi perbedaan signifikan dalam bagaimana setiap algoritma menangani dan mengklasifikasikan sentimen, serta memberikan wawasan tentang kecenderungan masyarakat terhadap tokohtokoh politik utama dalam konteks pemilu mendatang.
Description
Keywords
Citation