SETIANINGSIH, Susi (2024) Implementasi Smote untuk Mengatasi Class Imbalance pada Naive Bayes Classifier dalam Analisis Sentimen Calon Presiden di Pemilihan Umum 2024. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Download (180kB)
	PDF (Legalitas) LEGALITAS_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Download (339kB)
	PDF (BabI) BAB I_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Restricted to Repository staff only until 16 May 2025. Download (288kB)
	PDF (BabII) BAB II_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Restricted to Repository staff only until 16 May 2025. Download (292kB)
	PDF (BabIII) BAB III_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Restricted to Repository staff only until 16 May 2025. Download (470kB)
	PDF (BabIV) BAB IV_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Restricted to Repository staff only Download (2MB)
	PDF (BabV) BAB V_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Download (245kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA_Susi Setianingsih_H1D020044_Skripsi_IF_2024.pdf Download (312kB)

Abstract

Euforia Pemilu 2024 sudah mulai terasa sejak tahun 2022, khususnya untuk pemilihan presiden dan wakil presiden. Banyak lembaga di Indonesia melakukan survei untuk memetakan kekuatan dan melihat peluang kandidat dalam berkontestasi. Akan tetapi, cara ini dinilai kurang efektif, sehingga perlu alternatif lain seperti akuisisi media sosial salah satunya Twitter atau 'X'. Analisis sentimen pada platform media sosial X dapat digunakan untuk memperoleh informasi dari berbagai macam sentimen oleh pengguna melalui tweet. Teknik Naive Bayes Classifier digunakan untuk klasifikasi sentimen karena memberikan hasil yang cukup baik. Namun, data tweet cenderung tidak seimbang pada setiap kelasnya, sehingga diperlukan suatu pendekatan untuk mengatasi ketidakseimbangan kelas yaitu dengan menggunakan SMOTE (Synthetic Minority Oversampling Technique). Data set diambil melalui API token dari aplikasi X. Data tweet akan di-labelling untuk selanjutnya dilakukan pemodelan. Hasil akhir dilakukan dengan menentukan model dengan nilai akurasi tertinggi. Untuk memudahkan dalam melakukan proses analisis, tampilan dalam bentuk website akan dipilih sebagai pendukung dalam melakukan analisis sentimen. Tampilan website akan dibuat menggunakan framework Streamlit dengan bahasa pemrograman Python. Hasil yang diperoleh menunjukkan bahwa Uji 3 dengan 2400 data training mendapatkan nilai akurasi terbaik mencapai 72.80%. Terdapat peningkatan nilai akurasi sebesar 15-23% lebih tinggi di kelompok uji yang menggunakan implementas SMOTE pada model Naive Bayes. Perbedaan jumlah data yang digunakan juga memiliki pengaruh terhadap perbaikan hasil nilai akurasi pengujian sebesar 1-10%.

Actions (login required)

View Item