Abstrak – Pemilu merupakan sarana kedaulatan masyarakat untuk memilih anggota Dewan
Perwakilan Rakyat, anggota Dewan Perwakilan Daerah, Presiden dan Wakil Presiden, dan pemilihan
anggota Dewan Perwakilan Rakyat Daerah, dilakukan secara langsung. Pada penelitian ini penulis
menggunakan metode Naïve Bayes (NB) berbasis Particle Swarm Optimization (PSO) dalam
menganalisa label sentimen positif, negatif dan netral pada postingan para pengguna media sosial
Twitter yang berkaitan dengan pemilu 2024. Jumlah dataset setelah pemrosesan menjadi 1.000 data.
Tahap evaluasi menggunakan Confusion matrix diperoleh nilai akurasi algoritma yaitu untuk Naïve
Bayes tanpa Particle Swarm Optimization (PSO) nilai akurasi sebesar 73,67%. Sedangkan untuk
algoritma Naïve Bayes berbabis Particle Swarm Optimization (PSO) nilai akurasi sebesar 78,33%.
Dapat diketahui bahwa tingkat akurasi dari algoritma Naïve Bayes berbabis Particle Swarm
Optimization (PSO) lebih unggul dibandingkan algoritma Naïve Bayes tanpa Particle Swarm
Optimization (PSO).
Kata kunci: Pemilu; Analisis sentimen; Naïve Bayes; Particle Swarm Optimization;
Abstract - Elections are a means of community sovereignty to elect members of the House of
Representatives, members of the Regional Representative Council, the President and Vice President,
and the election of members of the Regional People's Representative Council, is carried out directly.
In this study, the author used the Particle Swarm Optimization (PSO)-based Naïve Bayes method in
analyzing positive, negative and neutral sentiment labels on twitter social media users' posts related
to the 2024 elections. The number of datasets after processing becomes 1, 000 data. The evaluation
stage using the Confusion matrix obtained an algorithm accuracy value, namely for Naïve Bayes
without Particle Swarm Optimization (PSO) an accuracy value of 73.67%. As for the Naïve Bayes
algorithm, the Particle Swarm Optimization (PSO) accuracy value is 78.33%. It can be noticed that the
accuracy rate of the Naïve Bayes algorithm with Particle Swarm Optimization (PSO) is superior to the
Naïve Bayes algorithm without Particle Swarm Optimization (PSO).
Keyword : Elections; Sentiment analysis; Naïve Bayes; Particle Swarm Optimization
1
EXPLORE – Volume 13 No 1 Tahun 2023 p-ISSN : 2087-894X
Terakreditasi Sinta 5 SK No : 23/E/KPT/2019 e-ISSN : 2656-615X
untuk seorang yang tercantum dari suatu memprediksi klasifikasi dengan akurasi 0.96
dataset yang tidak terstruktur. Besarnya atau 96% sensitivitas 100%[8].
pengaruh serta guna dari analisis sentimen Pada penelitian yang bejudul
mengakibatkan riset serta aplikasi berbasis Implementasi Particle Swarm Optimization
analisis sentimen tumbuh sangat pesat, telah (PSO) pada Analysis Sentiment Review
banyak industri yang memfokuskan pada Aplikasi Trafi menggunakan Algoritma Naive
layanan analisis sentimen[4]. Bayes (NB), setelah melakukan Pre-
Naive Bayes adalah pengklasifikasi processing dengan Tokenizazion, Stopwards
paling sederhana dan paling umum digunakan. Removal dan Steamming Sebelum
Naive Bayes memperkirakan probabilitas kelas menggunakan optimasi dengan PSO pada
berdasarkan distribusi kata dalam sebuah akurasi dataset adalah 69,50% setelah
dokumen. Naive Bayes memiliki beberapa dikombinasikan antara Naive Bayes dan PSO,
keunggulan seperti akurat, cepat dan tinggi. akurasinya adalah 72,3 %. Pengunakan PSO
Banyak peneliti telah melakukan klasifikasi dan Naïve Bayes sesuai dengan konsep
pendapat menggunakan Naive Bayes. Namun, penambangan Text , yang bertujuan untuk
klasifikasi ini memiliki batasan penting, karena menemukan pola dalam teks, pengunaan PSO
tidak selalu mungkin untuk memenuhi asumsi Algoritma Naive Bayes (NB) dalam penelitian
independensi antar atribut. Dan ini ini dapat meningkatkan akurasi [9].
mempengaruhi keakuratan klasifikasi[5].
Penelitian berjudul Metode Seleksi
Particle Swarm Optimization (PSO)
Fitur Untuk Klasifikasi Sentimen Menggunakan
adalah teknik optimasi yang sangat sederhana
Algoritma Naive Bayes: Sebuah Literature
untuk menerapkan dan memvariasikan
Review, dari hasil pengujian seleksi fitur
beberapa parameter. Ada beberapa metode
Information Gain (IG), Particle Swarm
optimasi dalam Particle Swarm Optimization
Optimization (PSO), Chi Square dan N-Gram
(PSO), antara lain meningkatkan bobot atribut
dari visualisasi hasil analisis berdasarkan
dari setiap atribut atau variabel yang
penelusuran literatur terhadap 25 artikel
digunakan, pemilihan atribut (attribute
ilmiah, dapat diketahui bahwa seleksi fitur
selection), dan seleksi fitur[6].
Particle Swarm Optimization (PSO)
merupakan metode seleksi fitur yang paling
2. Kajian Pustaka sesuai dan bersama-sama dengan algoritma
Penelitian berjudul Analisis Sentimen klasifikasi Naive Bayes memberikan hasil
Persepsi Masyarakat Terhadap Pemilu 2019 terbaik. Akurasi dapat bergantung pada jumlah
Pada Media Sosial Twitter Menggunakan set data yang digunakan serta metode
Naive Bayes, Dalam penelitian ini, kesimpulan pemilihan fitur. Grafik perbandingan nilai
dari klasifikasi Naive Bayes menunjukkan akurasi rata-rata menunjukkan bahwa
bahwa kumpulan tweet pemilu 2019 memiliki kombinasi algoritma Naive Bayes dengan fitur
persepsi negatif sebesar 52%, jauh lebih Particle Swarm Optimization (PSO) memiliki
banyak daripada persepsi positif, yaitu 18, dan nilai tertinggi dengan 89,08%. Sedangkan
persepsi netral 31% lebih tinggi dari pada rata-rata akurasi metode seleksi N-Gram lebih
persepsi positif. Akurasi klasifikasi data latih rendah dari PSO dengan akurasi 87,77%,
menurut uji data Naive Bayes 81% adalah metode seleksi fitur Chi-Square di bawah N-
76%, nilai akurasi rata-rata untuk setimen Gram dengan akurasi 85,10% dari akurasi
positif adalah 86,65%, sentimen negatif adalah rata-rata information gain pemilihan fitur
77,15% dan sentimen netral adalah 80,95%, berada di 80,20%[10].
sedangkan nilai rata-rata untuk recall adalah
positif. sentimen sebesar 36,8 persen,
3. Metode Penelitian
sentimen negatif sebesar 93,2 persen, dan
netral sebesar 86,8 persen[7]. Pada penelitian menggunakan metode
Naïve Bayes berbasis Particle Swarm
Dalam penelitian yang dilakukan untuk
Optimization (PSO) untuk menghasilkan
mengkaji klasifikasi Naive Bayes dalam
akurasi terbaik dalam menganalisa sentimen
memprediksi kepuasan Mahasiswa terhadap
Pilpres 2024 pada Twitter. Proses yang
Fakultas Keguruan pada Program Studi
dilakukan agar mampu menghasilkan akurasi
Matematika Fakultas MIPA Universitas Sam
terbaik adalah sebagai berikut.
Ratulangi Manado. Penelitian ini menghasilkan
200 dataset yang digunakan sebagai data latih a. Pengambilan Data
dan 100 dataset yang digunakan sebagai data Pengumpulan data pada penelitian ini
uji. Dari 50 data latih dengan rating Baik, 6 menggunakan teknik yang bernama Crawling
data dan 44 data Tidak baik. Pengujian yang digunakan untuk mengindeks data pada
menggunakan metode Naive Bayes dapat
Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO)
2
EXPLORE – Volume 13 No 1 Tahun 2023 p-ISSN : 2087-894X
Terakreditasi Sinta 5 SK No : 23/E/KPT/2019 e-ISSN : 2656-615X
3
EXPLORE – Volume 13 No 1 Tahun 2023 p-ISSN : 2087-894X
Terakreditasi Sinta 5 SK No : 23/E/KPT/2019 e-ISSN : 2656-615X
Analisis Sentimen Pemilu 2024 dengan Naive Bayes Berbasis Particle Swarm Optimization (PSO)
4
EXPLORE – Volume 13 No 1 Tahun 2023 p-ISSN : 2087-894X
Terakreditasi Sinta 5 SK No : 23/E/KPT/2019 e-ISSN : 2656-615X