Analisis Sentimen Ulasan Pengguna pada Aplikasi SIREKAP 2024 Menggunakan Machine Learning

Taufik Hidayat; Nurchim Nurchim; Nurmalitasari Nurmalitasari

doi:10.30591/smartcomp.v14i1.7021

Analisis Sentimen Ulasan Pengguna pada Aplikasi SIREKAP 2024 Menggunakan Machine Learning

Taufik Hidayat, Nurchim Nurchim, Nurmalitasari Nurmalitasari

Abstract

Aplikasi Sirekap 2024 adalah sebuah aplikasi baru yang digunakan untuk mencatat dan melaporkan kegiatan dan hasil pemungutan suara pada Pemilihan Umum di Indonesia tahun 2024. Terdapat berbagai pandangan pro dan kontra terkait penggunaan aplikasi ini, sehingga aplikasi ini dipilih sebagai objek penelitian. Penelitian ini bertujuan untuk mengklasifikasikan ulasan pengguna ke dalam kategori sentimen positif, negatif, dan netral menggunakan tiga algoritma pembelajaran mesin yang berbeda, serta membandingkan dan menentukan algoritma terbaik. Tiga algoritma yang digunakan dalam penelitian ini adalah Naive Bayes, K-Nearest Neighbors (KNN), dan Support Vector Machine (SVM). Metode penelitian mencakup tahap pengumpulan data ulasan, preprocessing data, evaluasi hasil, dan penentuan dan perbandingan metode terbaik. Berdasarkan nilai akurasi, hasilnya adalah Naive Bayes (83%), K-Nearest Neighbors (56%), dan Support Vector Machine (84%). Support Vector Machine (SVM) terbukti menjadi algoritma terbaik dalam analisis ulasan pengguna aplikasi Sirekap 2024 karena memiliki nilai akurasi tertinggi yaitu (84%).

Keywords

Sirekap 2024; Analisis Sentimen; Naive Bayes; SVM

Full Text:

References

N. Riyanah and F. Fatmawati, “Penerapan Algoritma Naive Bayes Untuk Klasifikasi Penerima Bantuan Surat Keterangan Tidak Mampu,” JTIM J. Teknol. Inf. dan Multimed., vol. 2, no. 4, pp. 206–213, 2021, doi: 10.35746/jtim.v2i4.117.

R. Muhammad Ibrahim and N. Novandriani Karina Moeliono, “Pengaruh Manfaat, Kepercayaan Efikasi Diri, Kemudahan Penggunaan, Keamanan TerhadapPersepsi Konsumen Pada My Pertamina (Studi Pada Penggunaan My Pertamina Kota Bandung),” J. Ilm. Mhs. Ekon. Manaj.Accredit. SINTA, vol. 4, no. 2, pp. 396–413, 2020, [Online]. Available:

https://jim.unsyiah.ac.id/ekm

I. A. Pradesa, “Analisis Penggunaan Sistem Rekapitulasi Suara (Sirekap) Dalam Menghadapi Problematika Pemilu 2024,” Triwikrama J. Multidisiplin Ilmu Sos., vol. 03, no. 04, pp. 47–57, 2024, [Online]. Available: http://ejournal.warunayama.org/index.php/triwikrama/article/view/2578

M. Angga Gumilang, A. Sirojudin, F. Abdilllah, M. Yusril Amin, and W. Budi Lestari, “Analisis Sentimen terhadap Kecurangan Pemilu dan SIREKAP di Twitter menggunakan Metode Vader Lexicon dan Naïve Bayes,” Snestik, pp. 397–403, 2024, [Online]. Available:

https://ejurnal.itats.ac.id/snestikdanhttps://snestik.itats.ac.id

M. Nurkamiden, “SiRekap : Tantangan dan Potensi Kekeliruan Proses Rekapitulasi Pemilu Serentak di Indonesia SiRekap: Challenges and Potential Errors in the Recapitulation Process of Simultaneous Elections in Indonesia,” Sosiol. J. Penelit. dan Pengabdi. Kpd. Masy., vol. 1, no. 2, pp. 101–110, 2024, [Online]. Available:

http://ejurnal.fis.ung.ac.id/index.php/sjppm/about%0ASiRekap

V. K. S. Que, A. Iriani, and H. D. Purnomo, “Analisis Sentimen Transportasi Online Menggunakan Support Vector Machine Berbasis Particle Swarm Optimization,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 9, no. 2, pp. 162–170, 2020, doi: 10.22146/jnteti.v9i2.102.

Rita Retnosari, “Analisa kelayakan kredit usaha mikro berjalan pada perbankan dengan metode naive bayes,” PROSISKO J. Pengemb. Ris. dan Obs. Sist. Komput., vol. 8, no. 1, pp. 53–59, 2021, doi: 10.30656/prosisko.v8i1.2848.

W. S. Dharmawan, “Komparasi Algoritma Klasifikasi Svm-Pso Dan C4.5-Pso Dalam Prediksi Penyakit Jantung,” I N F O R M a T I K a, vol. 13, no. 2, p. 31, 2022, doi: 10.36723/juri.v13i2.301.

E. Indrayuni, A. Nurhadi, and D. A. Kristiyanti, “Implementasi Algoritma Naive Bayes, Support Vector Machine, dan K-Nearest Neighbors untuk Analisa Sentimen Aplikasi Halodoc,” Fakt. Exacta, vol. 14, no. 2, p. 64, 2021, doi: 10.30998/faktorexacta.v14i2.9697.

R. Merdiansah, S. Siska, and A. Ali Ridha, “Analisis Sentimen Pengguna X Indonesia Terkait Kendaraan Listrik Menggunakan IndoBERT,” J. Ilmu Komput. dan Sist. Inf., vol. 7, no. 1, pp. 221–228, 2024, doi: 10.55338/jikomsi.v7i1.2895.

M. Alkaff, A. R. Baskara, and I. Maulani, “Klasifikasi Laporan Keluhan Pelayanan Publik Berdasarkan Instansi Menggunakan Metode LDA-SVM,” J. Teknol. Inf. dan Ilmu Komput., vol.8, no. 6, pp. 1265–1276, 2021, doi: 10.25126/jtiik.2021863768.

B. Kurniawan, A. Ari Aldino, and A. Rahman Isnain, “Sentimen Analisis Terhadap Kebijakan Penyelenggara Sistem Elektronik (PSE) Menggunakan Algoritma Bidirectional Encorder Representations From Transformer (BERT),” J. Teknol. dan Sist. Inf., vol. 3, no. 4, pp. 98–106, 2022, [Online]. Available: http://jim.teknokrat.ac.id/index.php/JTSI

D. F. Surianto, “Clustering Data Cuitan pada Media Sosial Twitter Menggunakan Metode KMeans,” Comput. Information, Embed. Network, Intell. Syst., vol. 1, no. 1, pp. 44–51, 2023,[Online]. Available: https://doi.org/10.61220/scientist.v1i2.20232

I. Z. Simanjuntak, “Analisa Kombinasi Algoritma Stemming Dan Algoritma Soundex Dalam Pencarian Kata Bahasa Indonesia,” Inf. dan Teknol. Ilm., vol. 10, no. 1, pp. 24–30, 2022, [Online]. Available: http://ejurnal.stmik-budidarma.ac.id/index.php/inti/article/view/5040

M. F. Y. Herjanto and C. Carudin, “Analisis Sentimen Ulasan Pengguna Aplikasi Sirekap Pada Play Store Menggunakan Algoritma Random Forest Classifer,” J. Inform. dan Tek. Elektro Terap., vol. 12, no. 2, pp. 1204–1210, 2024, doi: 10.23960/jitet.v12i2.4192.

DOI: https://doi.org/10.30591/smartcomp.v14i1.7021