Analisis Sentimen Pengguna Twitter Terhadap Pemilu 2024 Berbasis Model XLM-T
DOI:
https://doi.org/10.32664/j-intech.v11i2.1013Kata Kunci:
tweet, sentimen, pemilu, XML-TAbstrak
Di era digital seperti saat ini, media sosial, khususnya Twitter, menjadi platform penting bagi masyarakat untuk berbagi pendapat, terutama seputar isu-isu politik seperti Pemilihan Presiden (Pemilu) 2024 di Indonesia. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat mengenai Pemilu 2024 berdasarkan data tweet yang dikumpulkan. Dengan menggunakan model machine learning berbasis XLM-T, penelitian ini berhasil mengklasifikasikan tweet-tweet ke dalam tiga kategori sentimen: positif, negatif, dan netral dengan besar tingkat akurasi model yang sebesar 68%. Hasil menunjukkan bahwa tweet dengan sentimen positif dan negatif lebih sering mendapatkan interaksi dari masyarakat dibandingkan dengan tweet bersentimen netral, mengindikasikan kecenderungan masyarakat untuk lebih aktif berinteraksi dengan pendapat yang memiliki posisi atau pendirian tertentu mengenai sebuah isu. Kesimpulannya, analisis sentimen dapat memberikan wawasan mendalam tentang pandangan masyarakat terhadap Pemilu 2024, yang bisa dimanfaatkan oleh pemangku kepentingan politik dalam merancang strategi kampanye mereka.
Referensi
Afrianto, I., & Taliasih, N. (2020): Sistem Keamanan Basis Data Klien P.T. Infokes Menggunakan Kriptografi Kombinasi RC4 Dan Base64. Jurnal Nasional Teknologi Dan Sistem Informasi, 6(1), 9–18. https://doi.org/10.25077/teknosi.v6i1.2020.9-18
Ahmadi, A. (2015): Analisis Konstruksi Hukum Konstitusionalitas Pemilu Serentak Pada Tahun 2019. Al-'Adl, 8(1), 1-19
Akram, W., & Kumar, R. (2017): A Study on Positive and Negative Effects of Social Media on Society. International Journal of Computer Sciences and Engineering, 5(10), 351–354. https://doi.org/10.26438/ijcse/v5i10.351354
Alasadi, S. A., & Bhaya, W. S. (2017). Review of data preprocessing techniques in data mining. Journal of Engineering and Applied Sciences, 12(16), 4102-4107.
Barbieri, F., Anke, L. E., & Camacho-Collados, J. (2022): XLM-T: Multilingual Language Models in Twitter for Sentiment Analysis and Beyond (pp. 258–266). European Language Resources Association. https://aclanthology.org/2022.lrec-1.27/
Indonesia, Data. “Pengguna Media Sosial Di Indonesia Sebanyak 167 Juta Pada 2023.†Dataindonesia.id, 3 Feb. 2023, dataindonesia.id/internet/detail/pengguna-media-sosial-di-indonesia-sebanyak-167-juta-pada-2023. Diakses pada 19 September 2023, dari https://dataindonesia.id/internet/detail/pengguna-media-sosial-di-indonesia-sebanyak-167-juta-pada-2023
Logunova, I. (2023, July 11): F1 Score in Machine Learning. Serokell Software Development Company. Diakses pada 26 September 2023, dari https://serokell.io/blog/a-guide-to-f1-score
Muhammad Rizano Lukman, Muhammad Farrih Mahabbataka Arsyada, Mochamad Rafli Ghufron, Yudhistira Azhar Haryono Putra, & Nur Aini Rakhmawati. (2023). Dataset Analisis Sentimen Twitter Pada Pemilu 2024 (1.0) [Data set]. Zenodo. https://doi.org/10.5281/zenodo.8392888
Munir, M., Fauzi, M., & Perdana, R. (2018): Implementasi Metode Backpropagation Neural Network berbasis Lexicon Based Features dan Bag of Words Untuk Identifikasi Ujaran Kebencian Pada Twitter. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(10), 3182–3191.
Nurhuda, F., Widya Sihwi, S., & Doewes, A. (2016). Analisis Sentimen Masyarakat terhadap Calon Presiden Indonesia 2014 berdasarkan Opini dari Twitter Menggunakan Metode Naive Bayes Classifier. Jurnal Teknologi & Informasi ITSmart, 2(2), 35. https://doi.org/10.20961/its.v2i2.630
Rivaldi, A. A., Azra, B., Ziaulhaq, Y. I., & Rakhmawati, N. A. (2022): Analisis Karakteristik Akun Twitter Berdasarkan Sentimen Pendapat Terkait Undang-Undang PSE. SATIN – Sains Dan Teknologi Informasi, 8(2). https://doi.org/10.33372/stn.v8i2.876
Rozi, I. F., Pramitarini, Y., & Puspitasari, N. (2020): Analisis Mengenai Calon Presiden Indonesia 2019 Di Twitter Menggunakan Metode Backpropagation. Jurnal Informatika Polinema, 6(2).
Vimal B.(2020). Application of Logistic Regression in Natural Language Processing [Online]. www.ijert.org .
