ANALISIS SENTIMEN CALON PRESIDEN 2024 DI MEDIA SOSIAL X MENGGUNAKAN NAIVE BAYES DAN SMOTE SKRIPSI

Faldy Irwiensyah; Muhamad Hafidz Ardian Sunata;

Analisis Sentimen Calon Presiden 2024 di Media Sosial X
Menggunakan Naïve Bayes dan SMOTE
Muhamad Hafidz Ardian Sunata

Penelitian ini menyoroti penggunaan platform media sosial X sebagai wadah utama bagi pengguna untuk
berbagi pendapat, terutama terkait topik politik, khususnya dalam konteks pemilihan presiden. Metode analisis
sentimen, khususnya menggunakan Algoritma naïve bayes dan teknik Synthetic Minority Oversampling
Technique (SMOTE), telah menjadi fokus penelitian untuk menarik kesimpulan masyarakat terhadap kandidat
presiden. Meskipun telah ada berbagai penelitian sebelumnya, namun masih terdapat kekurangan dalam akurasi
dan ketidakseimbangan data. Penelitian ini bertujuan untuk meningkatkan kinerja analisis sentimen dengan
menggunakan metode naïve bayes bersama dengan SMOTE. Melalui analisis tweet di media sosial X dari 12
Desember 2023 hingga 31 Maret 2024, data dibagi menjadi kategori positif dan negatif. Hasil penelitian
menunjukkan bahwa dengan SMOTE, akurasi meningkat menjadi 88% pada dataset Ganjar-Mahfud, sementara
tanpa SMOTE, akurasi rendah sekitar 69% pada dataset Anies-Imin. Dari total 1589 tweet dengan sentimen
positif, sekitar 27.7% mengarah ke Anies-Imin, 28.7% ke Prabowo-Gibran, dan 43.5% ke Ganjar-Mahfud.
Mayoritas sentimen negatif ditujukan kepada Anies-Imin (41.5%) dan Prabowo-Gibran (40.8%).
Kata Kunci: Analisis Sentimen; Calon Presiden; Naive Bayes; SMOTE; Media Sosial X
Sentiment Analysis of Presidential Candidates on Social Media X Using Naïve

Bayes and SMOTE
Muhamad Hafidz Ardian Sunata

This research underscores the utilization of social media platform X as the primary avenue for users
to express their opinions, particularly on political matters, notably within the framework of the
presidential election. Sentiment analysis techniques, specifically employing the Naïve Bayes
algorithm and the Synthetic Minority Oversampling Technique (SMOTE) method, have been the
central focus of inquiry to infer people's inclinations toward presidential candidates. Despite
numerous antecedent studies, deficiencies persist in terms of precision and data imbalance. This
study endeavors to enhance the efficacy of sentiment analysis by integrating the Naïve Bayes
approach with SMOTE. By scrutinizing tweets on social media X spanning from December 12, 2023,
to March 31, 2024, the data is categorized into positive and negative sentiments. The findings reveal
that employing SMOTE bolstered accuracy to 88% for the Ganjar-Mahfud dataset, whereas
accuracy without SMOTE languished at approximately 69% for the Anies-Imin dataset. Out of 1589
tweets conveying positive sentiments, approximately 27.7% were directed towards Anies-Imin,
28.7% towards Prabowo-Gibran, and 43.5% towards Ganjar-Mahfud. The preponderance of
negative sentiments was aimed at Anies-Imin (41.5%) and Prabowo-Gibran (40.8%).
Keywords: Sentiment Analysis; Social Media X; Naïve Bayes Classifier; Palestine; Israel