ANALISIS SENTIMEN PUBLIK TWITTER TERHADAP PEMILU 2024 MENGGUNAKAN MODEL LONG SHORT TERM MEMORY (LSTM)

Dimas Anugrah Firdlous, - (2023) ANALISIS SENTIMEN PUBLIK TWITTER TERHADAP PEMILU 2024 MENGGUNAKAN MODEL LONG SHORT TERM MEMORY (LSTM). S1 thesis, Universitas Pendidikan Indonesia.

	Text S_PSTI_1901010_Title.pdf Download (290kB)
	Text S_PSTI_1901010_Chapter 1.pdf Download (80kB)
	Text S_PSTI_1901010_Chapter 2.pdf Restricted to Staf Perpustakaan Download (225kB)
	Text S_PSTI_1901010_Chapter 3.pdf Download (178kB)
	Text S_PSTI_1901010_Chapter 4.pdf Restricted to Staf Perpustakaan Download (419kB)
	Text S_PSTI_1901010_Chapter 5.pdf Download (57kB)
	Text S_PSTI_1901010_Appendix.pdf Restricted to Staf Perpustakaan Download (674kB)

Abstract

Pada tahun 2024, Indonesia sebagai negara demokrasi akan menghadapi tahun politik yang penting karena adanya pemilu serentak dari tingkat daerah hingga pemilihan presiden. Menjelang tahun politik akan terjadi beragam reaksi di media sosial, terutama di Twitter, yang sering dijadikan para penggunanya untuk menyuarakan opini mereka. Opini-opini ini tidak hanya bersifat positif, namun juga negatif, sehingga menjadi menarik untuk dikaji. Tujuan dari penelitian ini adalah untuk mengidentifikasi sentimen pengguna Twitter terhadap pemilu 2024 apakah bersifat negatif atau positif serta menguji model Long Short Term Memory (LSTM) tanpa dilakukannya hyperparameter tunning. Untuk mencapai tujuan tersebut, penelitian dilakukan melalui beberapa langkah. Pertama, dilakukan pengumpulan data tweet terkait pemilu. Selanjutnya, dilakukan tahap text preprocessing untuk membersihkan data dan mengidentifikasi fitur-fitur penting dalam analisis sentimen. Kemudian, data tweet diberikan label berdasarkan lexicon-based feature, selanjutnya, dilakukan pembangunan model menggunakan metode LSTM, yang merupakan salah satu jenis neural network yang efektif dalam memproses data sekuen seperti teks. Setelah model dibangun, dilakukan evaluasi dengan melihat nilai akurasi dan confusion matrix tool. Hasil penelitian menunjukkan bahwa dari 855 data hasil proses preprocessing, model berhasil mencapai akurasi sebesar 78%. Sentimen positif sebanyak 52,2% dari data dan mayoritas berisi dukungan untuk suksesnya pemilu serta informasi terkait pemilu. Sedangkan, sentimen negatif sebanyak 37% dan meliputi tweet dengan kata-kata kotor, caci maki, dan penghinaan terhadap partai politik, serta sentimen netral sebesar 10,8%. Dengan demikian, dalam penelitian ini ditemukan bahwa pengguna Twitter memiliki reaksi yang beragam terhadap pemilu 2024 dan cenderung bernilai positif, dan model analisis sentimen LSTM dapat memprediksi dengan akurasi yang cukup tinggi apakah sentimen yang diungkapkan dalam tweet bersifat negatif atau positif. ----- In 2024, Indonesia as a democracy will face an important political year due to simultaneous elections from the regional level to the presidential election. Approaching the political year, there will be various reactions on social media, especially on Twitter, which is often used by users to voice their opinions. These opinions are not only positive, but also negative, so they become interesting to study. The purpose of this study is to identify the sentiments of Twitter users towards the 2024 election whether they are negative or positive and to test the Long Short Term Memory (LSTM) model without hyperparameter tuning. To achieve this goal, the research was conducted through several steps. First, collecting tweet data related to the election. Next, the text preprocessing stage is carried out to clean the data and identify important features in sentiment analysis. Then, the tweet data is labeled based on the lexicon-based feature. Furthermore, model building is carried out using the LSTM method, which is a type of neural network that is effective in processing sequence data such as text. After the model is built, an evaluation is carried out by looking at the accuracy value and the confusion matrix tool. The results showed that out of 855 data from the preprocessing process, the model succeeded in achieving an accuracy of 78%. Positive sentiment is 52.2% of the data and the majority contains support for the success of the election as well as information related to the election. Meanwhile, negative sentiment was 37% and included tweets with dirty words, insults and insults to political parties, as well as neutral sentiment of 10.8%. Thus, in this study it was found that Twitter users have various reactions to the 2024 elections and tend to be positive, and the LSTM sentiment analysis model can predict with fairly high accuracy whether the sentiments expressed in tweets are negative or positive.

Item Type:	Thesis (S1)
Additional Information:	Link Google Scholar Rian Andrian : https://scholar.google.com/citations?user=UKmGK14AAAAJ&hl=id&oi=ao Suprih Widodo : https://scholar.google.com/citations?user=P-awTsUAAAAJ&hl=id&oi=ao ID SINTA Dosen Pembimbing Rian Andrian : 6681695 Suprih Widodo : 5978120
Uncontrolled Keywords:	Pemilu 2024, Analisis Sentimen, Twitter , LSTM
Subjects:	L Education > L Education (General) L Education > LC Special aspects of education
Divisions:	UPI Kampus Purwakarta > S1 Pendidikan Sistem Teknologi dan Informasi
Depositing User:	Dimas Anugrah Firdlous
Date Deposited:	31 Aug 2023 02:00
Last Modified:	31 Aug 2023 02:00
URI:	http://repository.upi.edu/id/eprint/100110

Actions (login required)

View Item