Support Vector Machine untuk Sentiment Analisis Terhadap Calon Presiden Nomor Dua

Abstract

This research investigates the application of Support Vector Machine (SVM) in sentiment analysis to evaluate public sentiment regarding the work programs of presidential candidate number 2 in the 2024 Indonesian election. Utilizing social media data from the X platform, the study aims to measure SVM's efficiency in terms of accuracy, processing speed, and computational resource usage. The sentiment data, categorized into positive, negative, and neutral classes, underwent preprocessing techniques such as cleaning, tokenization, and stemming. The results demonstrate an 83% accuracy rate, highlighting SVM's capability in handling high-dimensional data efficiently, although challenges remain in identifying positive sentiments effectively. This study provides valuable insights for researchers in sentiment analysis and offers strategic input for political campaign teams to better understand public perceptions. Additionally, it serves as a foundation for future studies involving large-scale sentiment data analysis..

Penelitian ini menyelidiki penerapan Support Vector Machine (SVM) dalam analisis sentimen untuk mengevaluasi sentimen publik terkait program kerja calon presiden nomor urut 2 pada pemilu Indonesia 2024. Memanfaatkan data media sosial dari platform X, penelitian ini bertujuan untuk mengukur efisiensi SVM dalam hal akurasi, kecepatan pemrosesan, dan penggunaan sumber daya komputasi. Data sentimen yang dikategorikan ke dalam kelas positif, negatif, dan netral, menjalani teknik preprocessing seperti pembersihan, tokenisasi, dan stemming. Hasilnya menunjukkan tingkat akurasi 83%, menyoroti kemampuan SVM dalam menangani data berdimensi tinggi secara efisien, meskipun masih ada tantangan dalam mengidentifikasi sentimen positif secara efektif. Studi ini memberikan wawasan berharga bagi para peneliti dalam analisis sentimen dan menawarkan masukan strategis bagi tim kampanye politik untuk lebih memahami persepsi publik. Selain itu, penelitian ini juga menjadi dasar bagi penelitian-penelitian selanjutnya yang melibatkan analisis data sentimen berskala besar.