ANALISIS SENTIMEN MASYARAKAT SEBELUM DAN SESUDAH TERPILIHNYA GIBRAN SEBAGAI CAWAPRES PRABOWO MENGGUNAKAN NAÏVE BAYES

Achmad Rizal Dzikrillah; Alfito Gaizka;

Analisis Sentimen Masyarakat Sebelum Dan Sesudah Terpilihnya
GibranSebagai Cawapres Prabowo Menggunakan Naïve Bayes

Alfito Gaizka

Pemilihan presiden dan wakil presiden di Indonesia selalu memicu perdebatan, terutama di tahun
2024 ini dianggap cukup menyita perhatian publik. Kontroversi terbaru muncul terkait pencalonan
Gibran sebagai calon wakil dari Prabowo. Penelitian ini bertujuan untuk menganalisis perubahan
sentimen masyarakat sebelum dan sesudah Gibran terpilih sebagai calon wakil presiden pada ulasan
di aplikasi Twitter (X). Dataset yang digunakan pada penelitian ini adalah ulasan dari Twitter (X)
dengan rentang waktu mulai bulan Juli 2023 hingga Desember 2023, atau sebelum dan sesudah
pencalonan Gibran sebagai cawapres Prabowo, kemudian dataset tersebut disimpan ke dalam file
csv menjadi GibranSebelum, GibranSesudah, PrabowoSebelum, dan PrabowoSesudah. Total
dataset yang digunakan untuk analisis adalah sebagai berikut: Dataset GibranSebelum memiliki 282
data (Data Latih 197, Data Uji 84), Dataset GibranSesudah memiliki 200 data (Data Latih 140, Data
Uji 60), Dataset PrabowoSebelum memiliki 199 data (Data Latih 139, Data Uji 60), dan Dataset
PrabowoSesudah memiliki 23 data (Data Latih 15, Data Uji 8). Dataset tersebut kemudian dianalisis
menggunakan algoritma Naïve Bayes dengan melakukan klasifikasi sentimen ke dalam kategori
positif dan negatif. Tahapan Preprocessing yang dilakukan pada penelitian ini mencakup Cleansing,
Tokenizing, Stopwords, dan Transform Cases. Penelitian ini juga menggunakan metode evaluasi
Confusion Matrix untuk mengukur akurasi menggunakan tiga parameter yaitu accuracy, precision,
dan recall. Hasil penelitian menunjukkan variasi performa model, dataset GibranSebelum mencapai
akurasi 42,86%, precision 20,00%, dan recall 100,00%, sementara GibranSesudah menghasilkan
akurasi 67,80%, precision 52,50%, dan recall 100,00%. Dataset PrabowoSebelum mencatat akurasi
60,71%, precision 44,07%, dan recall 100,00%, sementara PrabowoSesudah memiliki akurasi
55,00%, precision 35,71%, dan recall 100,00%. Analisis menunjukkan kecenderungan
meningkatnya sentimen negatif setelah Gibran dilantik sebagai cawapres Prabowo, menandakan
peningkatan ketidakpuasan publik terhadap kondisi tersebut.
Kata Kunci: Gibran; Prabowo; Twitter (X); Analisis Sentimen; Naïve Bayes Classifier.
Analysis of Public Sentiment Before and After the Election of Gibran as
Prabowo's Vice Presidential Candidate Using Naïve Bayes

Alfito Gaizka

The presidential and vice presidential elections in Indonesia always trigger debate, especially in
2024 which is considered quite grabbing public attention. The latest controversy arose regarding
Gibran's candidacy as Prabowo's running mate. This study aims to analyze changes in public
sentiment before and after Gibran was selected as a vice presidential candidate in reviews on the
Twitter (X) application. The dataset used in this study is a review from Twitter (X) with a period of
time from July 2023 to December 2023, or before and after Gibran's nomination as Prabowo's vice
president, then the dataset is saved into a csv file into GibranSebelum, GibranSesudah,
PrabowoSebelum, dan PrabowoSesudah. The total datasets used for the analysis are as follows:
Gibran Dataset Before has 282 data (197 Training Data, 84 Test Data), Gibran Dataset has 200
data (140 Training Data, 60 Test Data), PrabowoDataset has 199 data (139 Training Data, 60 Test
Data), and PrabowoDataset has 23 data (15 Training Data, 8 Test Data). The dataset was then
analyzed using the Naïve Bayes algorithm by classifying sentiment into positive and negative
categories. The Preprocessing stages carried out in this study include Cleansing, Tokenizing,
Stopwords, and Transform Cases. This study also used the confusion matrix evaluation method to
measure accuracy using three parameters, namely accuracy, precision, and recall. The results
showed variations in model performance, GibranSebelum's dataset achieved 42.86% accuracy,
20.00% precision, and 100.00% recall, while GibranSesudah produced 67.80% accuracy, 52.50%
precision, and 100.00% recall. PrabowoSebelum's dataset recorded 60.71% accuracy, 44.07%