Model Prediksi Tipe Komentar Di Instagram Terkait Pemilu 2024 Menggunakan Metode Winnowing

Budi Rahmani(1*),Noor Sejati(2)
(1) STMIK Banjarbaru
(2) STMIK Banjarbaru
(*) Corresponding Author
DOI : 10.35889/jutisi.v13i3.2343

Abstract

This study addresses the challenges of sentiment analysis for social media comments related to the 2024 Presidential Election on Instagram, where the high volume of discussions can influence public opinion and political participation. The main issue is the inaccuracy in sentiment classification (positive, negative, neutral) and the need to filter irrelevant comments. We propose using the Winnowing Algorithm, which effectively detects text similarity with high accuracy for automatic sentiment classification. The methodology includes collecting comment data, text preprocessing, and applying the Winnowing Algorithm. Experimental results demonstrate high accuracy (F1-score > 85%) in sentiment identification and filtering of irrelevant comments. These findings contribute to developing automatic sentiment analysis systems on social media and enhancing public opinion management in the digital political realm. This research also has implications for developing more responsive and scalable sentiment prediction systems.

Keywords: Prediction; Sentiment analysis; Instagram; 2024 Presidential Electio; Winnowing Algorithm

 

Abstrak

Penelitian ini mengkaji tantangan analisis sentimen komentar media sosial terkait Pemilu Presiden 2024 di Instagram, di mana volume diskusi yang tinggi dapat memengaruhi opini publik dan partisipasi politik. Masalah utama adalah ketidakakuratan dalam klasifikasi sentimen (positif, negatif, netral) dan penyaringan komentar yang tidak relevan. Untuk itu, kami mengusulkan penerapan Algoritme Winnowing, yang efektif dalam mendeteksi kesamaan teks dengan akurasi tinggi, guna klasifikasi sentimen otomatis. Metodologi meliputi pengumpulan data komentar, pra-pemrosesan teks, dan penerapan Algoritme Winnowing. Hasil eksperimen menunjukkan akurasi tinggi (F1-score > 85%) dalam identifikasi sentimen dan penyaringan komentar tidak relevan. Temuan ini memberikan kontribusi pada pengembangan sistem analisis sentimen otomatis di media sosial dan peningkatan pengelolaan opini publik di ranah politik digital. Penelitian ini juga berimplikasi pada pengembangan sistem prediksi sentimen yang lebih responsif dan scalable.

 

Keywords


Prediksi; Analisis sentimen; Instagram; Pemilu Presiden 2024; Algoritme Winnowing

References


P. H. Nehe, S. S. Berutu, and H. Budiati, “Analisis Sentimen Opini Masyarakat Terhadap Presiden Jokowi Sebelum Dan Sesudah Pilpres 2024 Menggunakan Metode Naive Bayes Classification,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 451–463, 2024, doi: 10.35889/jutisi.v13i1.1841.

A. S. Nurhikam et al., “Deteksi Berita Palsu Pada Pemilu 2024 Dengan Menggunakan Algoritma Random Forest,” DoubleClick J. Comput. Inf. Technol., vol. 7, no. 1, pp. 41–50, Aug. 2023, doi: 10.25273/DOUBLECLICK.V7I1.15456.

F. Amirullah, S. Alam, Mi. S. Sulistyo, T. Informatika, S. Tinggi Teknologi Wastukancana, and R. Artikel, “Analisis Sentimen Terhadap Kinerja KPU Menjelang Pemilu 2024 Berdasarkan Opini Twitter Menggunakan Naïve Bayes,” STORAGE J. Ilm. Tek. dan Ilmu Komput., vol. 2, no. 3, pp. 69–76, Aug. 2023, doi: 10.55123/STORAGE.V2I3.2293.

I. Kurniawan and A. Susanto, “Implementasi Metode K-Means dan Naïve Bayes Classifier untuk Analisis Sentimen Pemilihan Presiden (Pilpres) 2019,” J. Eksplora Inform., vol. 9, no. 1, pp. 1–10, Sep. 2019, doi: 10.30864/EKSPLORA.V9I1.237.

S. Puad, G. Garno, and A. S. Y. Irawan, “Analisis Sentimen Masyarakat Pada Twitter Terhadap Pemilihan Umum 2024 Menggunakan Algoritma Naïve Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 3, pp. 1560–1566, Oct. 2023, doi: 10.36040/JATI.V7I3.6920.

M. F. Haikal, J. Indra, and R. Rahmat, “Analisis Sentimen Bakal Calon Presiden Indonesia 2024 Dengan Algoritma Naïve Bayes,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 43–51, 2024, doi: 10.35889/jutisi.v13i1.1598.

Y. Yuliadi and M. A. I. Pakereng, “Penerapan Text Mining Menggunakan Algoritme Naïve Bayes Dalam Mengklasifikasi Sentimen Netizen di media sosial Twitter (Studi Kasus Pertemuan KTT G20,” Progresif J. Ilm. Komput., vol. 19, no. 2, pp. 824–833, 2023, [Online]. Available: http://ojs.stmik-banjarbaru.ac.id/index.php/progresif/article/view/1245%0Ahttp://ojs.stmik-banjarbaru.ac.id/index.php/progresif/article/download/1245/809.

R. Sethi and I. Kaushik, “Hand written digit recognition using machine learning,” in 2020 IEEE 9th International Conference on Communication Systems and Network Technologies (CSNT), 2020, pp. 49–54, doi: 10.1109/CSNT48778.2020.9115746.

M. B. Abdulrazzaq and J. N. Saeed, “A Comparison of Three Classification Algorithms for Handwritten Digit Recognition,” in 2019 International Conference on Advanced Science and Engineering, ICOASE, 2019, no. 46080, pp. 58–63, doi: 10.1109/ICOASE.2019.8723702.

M. A. Firmansyah and M. M. Alamin, “Sistem Prediksi Pengiriman Pada Dakota Cargo Menggunakan Metode Naive Bayes Berbasis Web,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 324–335, 2024, doi: 10.35889/jutisi.v13i1.1802.

A. Simanungkalit, J. P. P. Naibaho, and A. De Kweldju, “Analisis Sentimen Berbasis Aspek Pada Ulasan Aplikasi Shopee Menggunakan Algoritma Naïve Bayes,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 659–670, 2024, doi: 10.35889/jutisi.v13i1.1826.

G. G. Warow and H. Pandia, “Analisis Sentimen Aplikasi Dana Menggunakan Naïve Bayes Classifier dan Support Vector Machine,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 13, no. 1, pp. 609–621, 2024, doi: 10.35889/jutisi.v13i1.1893.

A. Asyer and M. A. I. Pakereng, “Analisis Sentimen Tweet Pengguna Twitter Terkait Diabetes Menggunakan Metode Naive Bayes,” JUTISI J. Ilm. Tek. Inform. dan Sist. Inf., vol. 12, no. 2, pp. 627–636, 2023, [Online]. Available: http://ojs.stmik-banjarbaru.ac.id/index.php/ jutisi/article/view/1234.

E. B. Santoso and A. Nugroho, “Analisis Sentimen Calon Presiden Indonesia 2019 Berdasarkan Komentar Publik Di Facebook,” J. Eksplora Inform., vol. 9, no. 1, pp. 60–69, Sep. 2019, doi: 10.30864/EKSPLORA.V9I1.254.

S. P. Astuti and A. T.W., “Pemanfaatan Software Matrix Laboratory (Matlab) Untuk Meningkatkan Minat Belajar Mahasiswa Dalam Pembelajaran Fisika Kinematika,” Pendek. J. Pendidik. Berkarakter, vol. 3, no. 2, pp. 54–57, Sep. 2020, doi: 10.31764/PENDEKAR.V3I2.2892.

E. L. Rara and E. Mailoa, “Implementasi Algoritma Naive Bayes Terhadap Analisis Sentimen Perubahan Piala Dunia U-20,” Progresif J. Ilm. Komput., vol. 20, no. 1, p. 259, 2024, doi: 10.35889/progresif.v20i1.1550.

B. Imran, M. N. Karim, and N. I. Ningsih, “Klasifikasi Berita Hoax Terkait Pemilihan Umum Presiden Republik Indonesia Tahun 2024 Menggunakan Naïve Bayes Dan SVM,” J. Ilm. Din. Rekayasa, vol. 20, no. 1, pp. 1–9, Jan. 2024, doi: 10.20884/1.DINAREK.2024.20.1.27.


The PDF file you selected should load here if your Web browser has a PDF reader plug-in installed (for example, a recent version of Adobe Acrobat Reader).

If you would like more information about how to print, save, and work with PDFs, Highwire Press provides a helpful Frequently Asked Questions about PDFs.

Alternatively, you can download the PDF file directly to your computer, from where it can be opened using a PDF reader. To download the PDF, click the Download link above.

Fullscreen Fullscreen Off

Full Text: File PDF

How To Cite This :

Refbacks

  • There are currently no refbacks.