Analisis Sentimen Popularitas Capres dan Pilpres pada Media Sosial Twitter: Perbandingan Algoritma SVM, KNN, dan Naïve Bayes

Abstract

Untuk memaham bagamana tokoh publk dpersepskan dan drespon oleh masyarakat d era meda sosial, analsis sentimen sangat berguna. Ini terutama berlaku karena popularitas tokoh publik meningkat di era meida sosial. Tujuan dari penelitian ini adalah untuk mengatasi masalah tersebut dan memberikan pemahaman yang bermanfaat tentang bagiamana masyarakat bertindak terhadap pemlhan presiden dan capres yang saat ini sangat diperdebatkan di medai sosial, serta bagiamana hal tu berdampak pada opn publk secara keseluruhan, khususnya d Twtter. Stud n bertujuan untuk mengkategorkan tweet emosonal ke dalam kategor postf atau negatf dengan menggunakan algortma pembagan terstruktur sepert Support Vector Machnes (SVM), Nave Bayes (NB), dan K-Nearest Neghbor. Hasl pengujan menunjukkan bahwa algortma NB memlk tngkat akuras 94,62% dan press 100%, mengalahkan SVM dan K-NN dalam menyelesakan kasus kepercayaan.