Studi Komparatif: Performansi Akurasi Algoritma Klasifikasi untuk Analisis Sentimen Pada Kandidat Presiden RI di Pemilu 2024

Abstract

Penelitian ini mengulas analisis sentiment terkait pemilihan presiden dan wakil presiden Republik Indonesia tahun 2024 yang menjadi sorotan utama di platform sosial media dan berita nasional. Fokus pada Anies Baswedan, Prabowo Subianto, dan Ganjar Pranowo, ulasan masyarakat menunjukkan variasi sentimen positif dan negatif. Dalam menggunakan algoritma klasifikasi seperti K-Nearest Neighbors (KNN), Multinomial Naive Bayes, Decision Tree  dan  Stochastic Gradient Descent dalam supervised learning, tujuannya adalah memberikan wawasan mendalam tentang pandangan masyarakat terhadap calon pemimpin. Dari hasil analisis, skenario terbaik adalah skenario 1 dengan akurasi rata-rata 75%, sedangkan Multinomial Naïve Bayes menjadi algoritma terbaik dengan akurasi rata-rata 79%. Penelitian ini tidak hanya memberikan kontribusi ilmiah, tetapi juga menyoroti peran opini publik dalam proses demokratisasi dan pemilihan pemimpin negara, memberikan pemahaman lebih mendalam tentang preferensi masyarakat terhadap calon pemimpin