Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 3 No. 2 (2023) · pp. 236–245

DOI
10.51454/decode.v3i2.172
ISSN
2775-1813, 2775-2984
Published
2023-06-08
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Indonesia menganut sistem demokrasi dan Pemilihan Umum sebagai penerapan dari sistem tersebut. Pemilihan Presiden dan Wakil Presiden dilaksanakan tahun 2024 dan isu tersebut menjadi fokus perbincangan publik. Calon-calon dan koalisi pengusung terus melakukan kampanye politik secara tradisional maupun melalui media sosial. Twitter menjadi platform media sosial yang banyak digunakan oleh masyarakat untuk membicarakan isu Pemilihan Presiden. Keberpihakan masyarakat dapat diketahui pada diskusi yang ada di Twitter, namun diperlukan pembelajaran komputer yang mampu mengklasifikasi sentimen tersebut. Analisis sentimen digunakan sebagai salah satu teknik untuk mengklasifikasi sentimen masyarakat di Twitter tentang isu Pemilihan Presiden. Metode yang digunakan yaitu Support Vector Machine (SVM) untuk klasifikasi teks. Didapatkan hasil sentimen berdasarkan tiga dataset kandidat yang dipilih, yaitu anies baswedan 65,62%, ganjar pranowo 73,58%, dan prabowo subianto 66,34%. Hasil akurasi metode yang dimiliki oleh ketiga dataset yaitu anies baswedan 73%, ganjar pranowo 79% dan prabowo subianto 79%. Berdasarkan wordcloud popularitas kata yang muncul di Twitter dengan pembahasan Presiden 2024 secara berturut-turut adalah “prabowo subianto”, “presiden ri”, “calon presiden”, “ganjar pranowo”, hingga “anies baswedan”.

Collaboration network of the authors

40 authors · 79 co-authorship links · 10 across different organisations · showing the 40 most connected

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Universitas Ahmad Dahlan
  • Islamic University of Indonesia
  • Siliwangi University
  • Universitas Halu Oleo
  • AGH University of Krakow
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Rusydi UmarUniversitas Ahmad Dahlan7
Abdul FadlilUniversitas Ahmad Dahlan6
Yudi PrayudiIslamic University of Indonesia3
Sunardi SunardiUniversitas Ahmad Dahlan3
Rio AnggaraUniversitas Ahmad Dahlan2
Nur WidiyasonoSiliwangi University2
Ahmad LuthfieAffiliation unknown2
HermanUniversitas Ahmad Dahlan2
W YunanriUniversitas Ahmad Dahlan2
Siti HelmiyahUniversitas Ahmad Dahlan2
Abdullah HanifUniversitas Ahmad Dahlan2
Ainunna’imahUniversitas Ahmad Dahlan1
Herman YuliansyahUniversitas Ahmad Dahlan1
FitriahUniversitas Ahmad Dahlan1
Rio SubandiAffiliation unknown1
Imam Mahfudl NasrullohUniversitas Ahmad Dahlan1
Fauzan NatsirAffiliation unknown1
Eri HaryantoIslamic University of Indonesia1
Deni MurdianiUniversitas Ahmad Dahlan1
Sahiruddin SahiruddinUniversitas Ahmad Dahlan1
Frandika SeptaUniversitas Ahmad Dahlan1
Andi PrayudiUniversitas Ahmad Dahlan1
Nurmi HidayasariIslamic University of Indonesia1
Kharis Hudaiby HanifUniversitas Ahmad Dahlan1
Herman HermanUniversitas Ahmad Dahlan1
Satriya Dwi PutraUniversitas Ahmad Dahlan1
Fitri AnggrainiUniversitas Ahmad Dahlan1
Herman HermanUniversitas Halu Oleo1
Shoffan SaifullahAGH University of Krakow1
Sunardi SunardiUniversitas Ahmad Dahlan1
Ruuhwan RuuhwanAffiliation unknown1
Muhammad Nur FaizUniversitas Ahmad Dahlan1
Eko PriantoUniversitas Ahmad Dahlan1
Arizona FirdonsyahUniversitas Ahmad Dahlan1
Fahmi AnwarSiliwangi University1
Muhammad Kunta BiddinikaUniversitas Ahmad Dahlan1
Muhammad Fahmi Mubarok NahdliAffiliation unknown1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 1 Nov 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Analisis Sentimen Pada Proyeksi Pemilihan Presiden 2024 Menggunakan Metode Support Vector Machine</dc:title><dc:creator>Asno Azzawagama Firdaus</dc:creator><dc:creator>Anton Yudhana</dc:creator><dc:creator>Imam Riadi</dc:creator><dc:description>&lt;jats:p&gt;Indonesia menganut sistem demokrasi dan Pemilihan Umum sebagai penerapan dari sistem tersebut. Pemilihan Presiden dan Wakil Presiden dilaksanakan tahun 2024 dan isu tersebut menjadi fokus perbincangan publik. Calon-calon dan koalisi pengusung terus melakukan kampanye politik secara tradisional maupun melalui media sosial. Twitter menjadi platform media sosial yang banyak digunakan oleh masyarakat untuk membicarakan isu Pemilihan Presiden. Keberpihakan masyarakat dapat diketahui pada diskusi yang ada di Twitter, namun diperlukan pembelajaran komputer yang mampu mengklasifikasi sentimen tersebut. Analisis sentimen digunakan sebagai salah satu teknik untuk mengklasifikasi sentimen masyarakat di Twitter tentang isu Pemilihan Presiden. Metode yang digunakan yaitu Support Vector Machine (SVM) untuk klasifikasi teks. Didapatkan hasil sentimen berdasarkan tiga dataset kandidat yang dipilih, yaitu anies baswedan 65,62%, ganjar pranowo 73,58%, dan prabowo subianto 66,34%. Hasil akurasi metode yang dimiliki oleh ketiga dataset yaitu anies baswedan 73%, ganjar pranowo 79% dan prabowo subianto 79%. Berdasarkan wordcloud popularitas kata yang muncul di Twitter dengan pembahasan Presiden 2024 secara berturut-turut adalah “prabowo subianto”, “presiden ri”, “calon presiden”, “ganjar pranowo”, hingga “anies baswedan”.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2023-06-08</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v3i2.172</dc:identifier><dc:identifier>10.51454/decode.v3i2.172</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 3 No 2 (2023); 236-245</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/172/68</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>