LKP : Analisis Sentimen Masyarakat Mengenai Pemilihan Umum 2024 Menggunakan Natural Language Processing (NLP)

Mizan, Muhammad (2024) LKP : Analisis Sentimen Masyarakat Mengenai Pemilihan Umum 2024 Menggunakan Natural Language Processing (NLP). Undergraduate thesis, Universitas Dinamika.

	Text 21410200021-2024-UNIVERSITASDINAMIKA.pdf - Accepted Version Download (1MB)
	Text 21410200021-2024-LAMPIRAN.pdf - Accepted Version Restricted to Repository staff only Download (449kB)

Search this title on : |

Abstract

Pemilihan Umum (Pemilu) 2024 merupakan salah satu peristiwa politik terbesar di Indonesia, yang menarik perhatian luas dari masyarakat. Dengan semakin berkembangnya teknologi, analisis sentimen masyarakat melalui platform media sosial telah menjadi alat penting untuk memahami opini publik. Kerja Praktik ini bertujuan untuk menganalisis sentimen masyarakat terhadap Pemilu 2024 dengan memanfaatkan teknik Natural Language Processing (NLP). Data dikumpulkan dari platform media sosial Twitter, dengan total 1336 tweet yang diambil dari dataset Kaggle. Data tersebut terdiri dari 988 tweet dengan sentimen positif, 187 tweet dengan sentimen netral, dan 161 tweet dengan sentimen negatif. Data kemudian diolah menggunakan teknik prapemrosesan teks seperti tokenisasi, penghapusan stopwords, dan stemming. Selanjutnya, metode NLP seperti menganalisis sentimen dan mengklasifikasikan teks untuk identifikasi pola sentimen dalam dataset. Model yang dikembangkan memiliki hasil akhir akurasi sebesar 88.06%, dengan nilai precision, recall, dan f1-score yang beragam untuk setiap kategori sentimen.

Export Record

Item Type:	Thesis (Undergraduate)
Additional Information:	Muhammad Mizan (21410200021)
Uncontrolled Keywords:	Pemilu 2024, analisis sentimen, Natural Language Processing, Twitter, opini publik
Dewey Decimal Classification:	400 – Language > 410 Linguistics > 410 Linguistics
Divisions:	Fakultas Teknologi dan Informatika > S1 Teknik Komputer
Depositing User:	Muhammad Mizan
Date Deposited:	26 Aug 2024 16:31
Last Modified:	26 Aug 2024 16:31
THESIS ADVISORS:	1. Musayyanah, S.ST.,M.T. (NIDN : 0730069102)
URI:	http://repository.dinamika.ac.id/id/eprint/7798

Download Statistics

Downloads over the past year. Other digital versions may also be available to download e.g. from the publisher's website.

View more statistics

Actions (login required)

View Item

Altmetric