ANALISIS SENTIMEN DAN TOPIK BERITA TERKAIT PEMILU 2024 DI INDONESIA

Rata, Emmanuel Mathew Krisna (2024) ANALISIS SENTIMEN DAN TOPIK BERITA TERKAIT PEMILU 2024 DI INDONESIA. S1 thesis, UNIVERSITAS ATMA JAYA YOGYAKARTA.

Preview	Text (Emmanuel Mathew Krisna Rata) 200710530_Bab 0.pdf Download (267kB) | Preview
Preview	Text 200710530_Bab 1.pdf Download (298kB) | Preview
Preview	Text 200710530_Bab 2.pdf Download (286kB) | Preview
	Text 200710530_Bab 3.pdf Restricted to Registered users only Download (323kB)
	Text 200710530_Bab 4.pdf Restricted to Registered users only Download (386kB)
	Text 200710530_Bab 5.pdf Restricted to Registered users only Download (4MB)
Preview	Text 200710530_Bab 6.pdf Download (302kB) | Preview

Abstract

Pemilihan umum (Pemilu) di Indonesia merupakan bentuk penerapan demokrasi yang melibatkan partisipasi aktif seluruh warga negara dalam proses pemilihan yang adil dan bebas serta pemberdayaan rakyat dalam pengambilan keputusan politik dan sosial. Demokrasi menjamin bahwa setiap suara didengar melalui dialog terbuka dan kebebasan berekspresi. Menjelang Pemilu 2024, peran media, baik cetak maupun elektronik, sangat penting dalam memberikan informasi dan opini kepada masyarakat yang berpotensi mempengaruhi pandangan terhadap partai politik dan calon pemimpin. Analisis sentimen menjadi metode untuk mengevaluasi pendapat publik tentang suatu topik, baik secara kuantitatif menggunakan statistik maupun kualitatif dengan teknik interpretasi. Dalam penelitian ini, penggunaan algoritme yang tepat untuk analisis sentimen dan topik sangat penting untuk memperoleh hasil dengan akurasi tinggi, dengan mempertimbangkan efisiensi model dari penelitian sebelumnya. Adapun masalah yang dibahas meliputi metode crawling portal berita online, model klasifikasi untuk sentimen isi berita dengan membandingkan beberapa algoritme klasifikasi, hasil topik dominan dari isi berita menggunakan model topik Latent Dirichlet Allocation (LDA) dan Latent Semantic Analysis (LSA), serta implementasi hasil model sentimen dan pemodelan topik. Masalah-masalah yang diangkat, memiliki metode untuk menyelesaikan masalah tersebut. Metodologi penelitian yang dimulai dengan pengumpulan data melalui metode crawling, kemudian data di-filter untuk kata-kata terkait pemilu dan diproses melalui tahap pre-processing. Selanjutnya, data diproses dalam dua bagian: pertama, proses klasifikasi yang meliputi pelabelan data secara manual dan otomatis pada isi berita, diikuti dengan proses klasifikasi dan perbandingan algoritme; kedua, pemodelan topik di mana isi berita digunakan untuk membuat topik LDA dan LSA serta divisualisasikan. Terakhir, implementasi dari hasil klasifikasi dan pemodelan topik dilakukan menggunakan Streamlit. Proses crawling berita Indonesia dilakukan dengan mengambil berita harian berdasarkan tanggal tertentu, kemudian dilanjutkan dengan pengambilan data URL yang disimpan ke dalam database untuk mendapatkan berita nasional setiap harinya. Model sentimen yang digunakan untuk klasifikasi menunjukkan bahwa kombinasi TF-IDF dan Bag of Words (BoW) pada dengan algoritme terbaik jatuh di Support Vector Machine (SVM) menghasilkan akurasi tertinggi sebesar 90.89% dan F1 skor 90.86%. Akurasi ini dipengaruhi oleh kualitas dataset yang digunakan. Pada pemodelan topik, LDA memiliki coherence score 0.6089501917687159 dengan topik utama meliputi kata gibran, prabowo, ganjar, debat, dan anies, sedangkan LSA memiliki coherence score 0.5654880904606634 dengan satu topik utama yang mencakup kata gibran, prabowo, ganjar, cawapres, dan presiden. Hasil implementasi model sentimen dan pemodelan topik tersebut di deploy ke dalam Streamlit dengan tiga menu: beranda yang menjelaskan tentang dataset yang digunakan, model klasifikasi yang menerapkan model sentimen, dan model pemodelan topik yang menampilkan hasil dari LDA dan LSA, yang semuanya dapat diakses melalui URL ta10530.streamlit.app.

Actions (login required)

View Item