Penerapan Machine Learning dalam Analisis Sentimen terhadap Ridwan Kamil sebagai Kandidat Gubernur DKI Jakarta

Abstract

Analisis sentimen merupakan metode untuk memahami opini publik terhadap individu atau peristiwa tertentu. Penelitian ini menganalisis sentimen publik di media sosial X (sebelumnya Twitter) terhadap Ridwan Kamil sebagai calon gubernur DKI Jakarta tahun 2024. Dataset terdiri dari 1.328 cuitan yang dikumpulkan menggunakan kata kunci "Ridwan Kamil" selama periode 24 Agustus 2024 hingga 17 November 2024. Data diolah melalui tahapan preprocessing, termasuk cleaning, case folding, normalisasi, stopword removal, tokenisasi, dan stemming. Sentimen dikelompokkan menjadi positif, netral, dan negatif menggunakan TextBlob untuk proses labelling. Penelitian ini menggunakan dua metode klasifikasi, yaitu Naive Bayes dan Support Vector Machine (SVM), untuk membandingkan performa keduanya dalam klasifikasi sentimen. Hasil menunjukkan bahwa SVM memiliki akurasi yang lebih tinggi sebesar 81,37%, dibandingkan dengan Naive Bayes yang memiliki akurasi 77,54%. Sentimen positif mendominasi analisis dengan persentase yang signifikan, sementara sentimen negatif hanya sedikit. Hasil ini mencerminkan bahwa opini publik terhadap Ridwan Kamil cenderung positif. Namun, ketidakseimbangan data pada kategori negatif memengaruhi performa klasifikasi, terutama pada metode Naive Bayes. Penelitian ini menunjukkan bahwa SVM lebih unggul dalam menganalisis sentimen dengan akurasi yang lebih tinggi, sehingga dapat digunakan untuk analisis lebih lanjut