Agus Suparsana, Nyoman (2025) ANALISIS KOMENTAR NETIZEN TERHADAP ELEKTABILITAS GIBRAN SEBAGAI WAPRES PADA PLATFORM X MENGGUNAKAN KOMBINASI TF-IDF DAN MLP. Undergraduate thesis, Universitas Pendidikan Ganesha.
![[img]](http://repo.undiksha.ac.id/style/images/fileicons/text.png) |
Text (COVER)
1915091009-COVER.pdf Download (678kB) |
|
Text (ABSTRAK)
1915091009-ABSTRAK.pdf Download (154kB) |
|
Text (BAB 1 PENDAHULUAN)
1915091009-BAB 1 PENDAHULUAN.pdf Download (336kB) |
|
Text (BAB 2 KAJIAN TEORI)
1915091009-BAB 2 KAJIAN TEORI.pdf Restricted to Repository staff only Download (490kB) | Request a copy |
|
Text (BAB 3 METODELOGI PENELITIAN)
1915091009-BAB 3 METODELOGI PENELITIAN.pdf Restricted to Repository staff only Download (616kB) | Request a copy |
|
Text (BAB 4 HASIL DAN PEMBAHASAN)
1915091009-BAB 4 HASIL DAN PEMBAHASAN.pdf Restricted to Repository staff only Download (676kB) | Request a copy |
|
Text (BAB 5 PENUTUP)
1915091009-BAB 5 PENUTUP.pdf Restricted to Repository staff only Download (214kB) | Request a copy |
|
Text (DAFTAR PUSTAKA)
1915091009-DAFTAR PUSTAKA.pdf Download (216kB) |
|
Text (LAMPIRAN)
1915091009-LAMPIRAN.pdf Download (696kB) |
Abstract
Seiring dengan transisi lanskap politik pasca-Pilpres 2024, perbincangan publik mengenai Gibran Rakabuming Raka di media sosial, khususnya platform X, bergeser dari kontroversi pencalonan menuju evaluasi kinerja dan elektabilitasnya. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen netizen terhadap Gibran Rakabuming Raka dengan menerapkan kombinasi metode Term Frequency-Inverse Document Frequency (TF-IDF) untuk pembobotan kata dan Multilayer Perceptron (MLP) untuk klasifikasi sentimen. Data penelitian berupa 7.161 tweet berbahasa Indonesia yang dikumpulkan dari platform X dalam rentang waktu 31 Oktober 2023 hingga 31 Juli 2024 menggunakan kata kunci relevan seperti '#gibran' dan '#belimbingsayur'. Proses penelitian meliputi beberapa tahapan, yaitu akuisisi data, preprocessing (pembersihan, case folding, normalisasi, stemming), ekstraksi fitur dengan TF-IDF, dan klasifikasi menggunakan model MLP. Hasil penelitian menunjukkan bahwa sentimen publik terpolarisasi menjadi 59.3% sentimen positif dan 40.7% sentimen negatif. Model klasifikasi MLP berhasil mencapai tingkat akurasi keseluruhan sebesar 82% pada data uji. Secara spesifik, model menunjukkan performa yang sangat baik dalam mengenali sentimen positif dengan recall 89% dan presisi 81%. Untuk sentimen negatif, model memiliki presisi tinggi sebesar 83%, namun dengan recall 72%, yang mengindikasikan adanya tantangan dalam mengidentifikasi ekspresi negatif yang kompleks seperti sarkasme. Analisis fitur TF-IDF juga berhasil mengidentifikasi istilah slang "belimbing sayur" sebagai salah satu penanda sentimen negatif yang paling signifikan.
| Item Type: | Thesis (Undergraduate) |
|---|---|
| Uncontrolled Keywords: | Analisis Sentimen, Gibran Rakabuming Raka, TF-IDF, Multilayer Perceptron, Platform X |
| Subjects: | H Social Sciences > HN Social history and conditions. Social problems. Social reform J Political Science > JQ Political institutions Asia T Technology > T Technology (General) |
| Divisions: | Fakultas Teknik dan Kejuruan > Jurusan Teknik Informatika > Program Studi Sistem Informasi (S1) |
| Depositing User: | Nyoman Agus Suparsana |
| Date Deposited: | 11 Aug 2025 01:59 |
| Last Modified: | 11 Aug 2025 01:59 |
| URI: | http://repo.undiksha.ac.id/id/eprint/26769 |
Actions (login required)
 |
View Item |