Analisis Sentimen Terhadap Istana Garuda Di Ibukota Nusantara (Ikn) Menggunakan Algoritma Random Forest Dan Support Vektor Machine

Muhamad Jihansyah, . (2024) Analisis Sentimen Terhadap Istana Garuda Di Ibukota Nusantara (Ikn) Menggunakan Algoritma Random Forest Dan Support Vektor Machine. Masters thesis, Universitas Pamulang.

	Text COVER.pdf Restricted to Registered users only Download (876kB)
	Text BAB I.pdf Restricted to Registered users only Download (182kB)
	Text BAB II.pdf Restricted to Registered users only Download (885kB)
	Text BAB III.pdf Restricted to Registered users only Download (655kB)
	Text BAB IV.pdf Restricted to Registered users only Download (2MB)
	Text BAB V.pdf Restricted to Registered users only Download (201kB)
	Text JURNAL.pdf Restricted to Registered users only Download (534kB)

Abstract

Pemindahan Ibu Kota Negara (IKN) ke Kalimantan Timur merupakan proyek strategis nasional yang memicu beragam opini publik, terutama terkait pembangunan Istana Garuda sebagai simbol baru kedaulatan Indonesia. Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap pembangunan Istana Garuda di IKN menggunakan algoritma Random Forest dan Support Vector Machine (SVM), serta membandingkan kinerja keduanya berdasarkan akurasi, precision, recall, dan F1-score. Penelitian ini memiliki kebaruan dalam tiga aspek utama. Pertama, fokus pada opini publik mengenai pembangunan Istana Garuda di IKN yang belum banyak dibahas di literatur lokal maupun internasional. Kedua, penggunaan teknik labeling Inset dan Senti menawarkan pendekatan baru dalam pengkategorian sentimen. Ketiga, evaluasi komprehensif performa Random Forest dan SVM memberikan wawasan baru tentang efektivitas masing-masing algoritma dalam menganalisis sentimen terkait proyek infrastruktur besar di Indonesia.Metodologi meliputi lima tahap: (1) Pengumpulan data melalui web scraping dari Twitter (Juli-Agustus 2024) menggunakan kata kunci terkait "Istana Garuda" dan "IKN"; (2) Preprocessing data mencakup tokenisasi, stopword removal, stemming, dan transformasi TF-IDF; (3) Labeling menggunakan pendekatan Inset dan Senti; (4) Pelatihan model dengan algoritma Random Forest dan SVM; (5) Evaluasi model menggunakan confusion matrix dan metrik akurasi, precision, recall, dan F1-score.Hasil penelitian menunjukkan Random Forest memiliki akurasi 77% (Inset) dan 89% (Senti), unggul dalam mendeteksi sentimen negatif dengan F1-score 0,93 pada dataset Senti. SVM menunjukkan akurasi 89% (Inset) dan 91% (Senti), lebih baik dalam mengidentifikasi sentimen positif dengan precision 0,96 pada dataset Senti. Penelitian ini memberikan kontribusi signifikan dalam memahami persepsi publik terhadap pembangunan infrastruktur nasional serta menjadi referensi bagi pengembangan sistem analisis sentimen dan pengambilan keputusan berbasis data.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Analisis Sentimen, Istana Garuda, IKN, Random Forest, Support Vector Machine (SVM), Twitter.
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Divisions:	Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User:	Yeni Ratnasari
Date Deposited:	08 Jul 2025 08:23
Last Modified:	08 Jul 2025 08:23
URI:	http://repository.unpam.ac.id/id/eprint/16794

Actions (login required)

View Item