PREDIKSI HASIL PEMILIHAN KEPALA DAERAH MELALUI INFORMASI TWITTER MENGGUNAKAN NAIVE BAYES CLASSIFIER (STUDI KASUS : PEMILIHAN GUBERNUR DKI JAKARTA 2017)

Pemilihan Gubernur DKI Jakarta 2017 sangat ramai diperbincangkan pada media sosial. Ditambah para tim sukses dari masing-masing pasangan calon berkampanye tidak hanya pada dunia maya tetapi di media sosial, yaitu twitter. Di twitter semua orang bebas berpendapat khususnya yang berkaitan dengan calon Gubernur dan wakil Gubernur yang akan maju dalam pemilihan umum. Namun untuk membuat survei yang dibuat dari opini publik pada twitter membutuhkan usaha dan waktu yang cukup banyak dikarenakan banyaknya jumlah tweet yang digunakan. Dibutuhkan pembelajaran mesin yang dapat dengan cepat dan tepat dalam pengklasifikasian tweet tersebut dalam kelas sentimen positif dan negatif. Naive Bayes Classifier adalah metode klasifikasi text dengan kecepatan dan akurasi yang cukup tinggi ketika diaplikasikan pada data yang besar dan beragam. Sebelum data tweet diklasifikasikan, data tersebut harus melalui beberapa proses, seperti prepocessing untuk menghilangkan karakter yang tidak berpengaruh terhadap sentimen yang terkandung dalam tweet, pembobotan kata untuk menseleksi kata yang akan digunakan dalam pengklasifikasian dan validasi untuk menentukan jumlah data training dan data testing. Hasil dari penelitian ini didapatkan nilai F-measure tertinggi pada paslon 1 sebesar 91%, paslon dua sebesar 92% dan paslon 3 sebesar 91%, dengan nilai MAE sebesar 0.36 bahkan lebih baik dengan hasil dari beberapa lembaga survei. Walaupun hasil prediksi tidak sama dengan hasil KPU, namun sistem dapat memprediksi dengan tepat pemenang PILGUB DKI 2017 yaitu pasangan Ahok-Djarot dengan presentasi 45%. Kata Kunci: Twitter, pemilu, Naive Bayes Classifie