Analisis Hasil Rekapitulasi Pilkada Daerah Khusus Jakarta (DKJ) 2024 Menggunakan Metode Support Vector Machine
DOI:
https://doi.org/10.30599/c0zqdw84Keywords:
Analisis Sentimen, Pilkada DKJ, Support Vector MachineAbstract
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap hasil rekapitulasi Pilkada DKJ 2024 menggunakan metode Support Vector Machine (SVM). Data penelitian berjumlah 3.500 data yang diperoleh dari komentar Instagram menggunakan "Turbo IG Comment Export Tool", menghasilkan 3.100 data bersih setelah preprocessing yang meliputi cleaning, normalization, tokenizing, stopword removal, dan stemming. Hasil analisis menunjukkan distribusi sentimen sebesar 37,8% positif, 32,4% netral, dan 29,8% negatif. Model SVM mencapai akurasi 84% dengan performa seimbang: sentimen positif (presisi 0,92, recall 0,74, f1-score 0,82), negatif (presisi 0,86, recall 0,87, f1-score 0,87), dan netral (presisi 0,75, recall 0,90, f1-score 0,82). Analisis word frequency dan wordcloud mengungkapkan pola kata dominan yang mencerminkan respons publik terhadap hasil Pilkada, dengan kata-kata positif seperti "alhamdulillah" dan "selamat" kontras dengan kata-kata negatif seperti "kalah". Penelitian ini memberikan wawasan berharga tentang persepsi publik terhadap hasil Pilkada DKJ 2024 dan mendemonstrasikan efektivitas metode SVM dalam analisis sentimen politik.
References
[1] L. Romli, “Daerah Khusus Jakarta dan Pilkada 2024: Masihkah Menjadi Barometer Politik Nasional?,” J. Demokr., vol. 01, pp. 1–88, 2024, [Online]. Available: https://bakesbangpol.jakarta.go.id/v2/file/download/6bb2e067d9361d1ae68ada4f74f29779.pdf
[2] M. S. Anam, “Analisis Framing Terhadap Branding Politik Anies Baswedan Sebagai Gubernur Daerah Khusus Ibu Kota (DKI) Jakarta,” Polit. Islam, vol. 3, no. 1, pp. 75–94, Jun. 2024, doi: 10.31958/pi.v3i1.12507.
[3] G. A. Ramadhan, “Analisis sentimen ulasan aplikasi ruangguru dengan algoritma long short term memory,” Universitas Islam Negeri Syarif Hidayatullah jakarta, 2023. [Online]. Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/71510%0Ahttps://repository.uinjkt.ac.id/dspace/bitstream/123456789/71510/1/GILANG AMBANG RAMADHAN-FST.pdf
[4] F. Ramadhan, “Analisis Sentimen Tweet Pelayanan Dompet Digital Menggunakan Algoritma Support Vector Machine Dan Random Forest,” Universitas Islam Negeri Syarif Hidayatullah jakarta, 2022. [Online]. Available: https://repository.uinjkt.ac.id/dspace/handle/123456789/76619
[5] J. Sarangih, M. Purba, M. Manik, N. D. Aulia, W. Wulandari, and O. A. Sihaloha, “Peran Influencer Instagram Dalam Membentuk Opini Publik Dan Partisipasi Politik,” J. Educ. Gov. Wiyata, vol. 2, no. 4, pp. 396–406, 2024, doi: https://doi.org/10.71128/e-gov.v2i4.157.
[6] T. M. Fahrudin, P. A. Riyantoko, and K. M. Hindrayani, “Implementation of Web Scraping on Google Search Engine for Text Collection Into Structured 2D List,” Telemat. J. Inform. dan Teknol. Inf., vol. 20, no. 2, p. 139, Jun. 2023, doi: 10.31315/telematika.v20i2.9575.
[7] R. Saputra and F. N. Hasan, “Analisis Sentimen Terhadap Program Makan Siang & Susu Gratis Menggunakan Algoritma Naive Bayes,” J. Teknol. Dan Sist. Inf. Bisnis, vol. 6, no. 3, pp. 411–419, Jul. 2024, doi: 10.47233/jteksis.v6i3.1378.
[8] Muhammad Fernanda Naufal Fathoni, Eva Yulia Puspaningrum, and Andreas Nugroho Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem J. Inform. dan Sains Teknol., vol. 2, no. 3, pp. 62–76, Jul. 2024, doi: 10.62951/modem.v2i3.112.
[9] H. Rexy Sragih and A. Ayu Eilasittha, “Implementasi Tableau Dalam Memvisualisasikan Data Untuk Optimalisasi Keputusan Keuangan Dalam Praktik Akuntansi,” J. Akuntasi dan Keuang. Methodist, vol. 8, no. 2, pp. 140–152, 2024, doi: https://doi.org/10.46880/jsika.Vol8No2.pp140-152.
[10] F. S. Yerzi and Y. Sibaroni, “Analisis Sentimen terhadap Kebijakan Pemerintah dalam Menangani Covid-19 dengan Pendekatan Lexicon Based,” e-Proceeding Eng., vol. 8, no. 5, pp. 11354–11366, 2021, [Online]. Available: https://openlibrarypublications.telkomuniversity.ac.id/index.php/engineering/article/download/15616/15329
[11] S. Bila Rahmania Sharafi, “Identifikasi Pola Diskusi Publik mengenai Pemindahan Ibu Kota Negara Menggunakan Analisis TF-IDF dan K-Means Clustering,” Semin. Nas. Sist. Inf., vol. 08, pp. 4654–4663, 2024, [Online]. Available: https://jurnalfti.unmer.ac.id/index.php/senasif/article/view/557
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Miftakhul Rahman, Mantri Kromo Fandith Fili, Wardianto
This work is licensed under a Creative Commons Attribution 4.0 International License.
