Analisis Sentimen Politik Pada Twitter Menggunakan Metode Support Vector Machine (Studi Kasus : Pilpres 2019)

Salah satu media sosial yang digemari masyarakat adalah twitter. Banyak masyarakat yang mencurahkan pendapat atau pikiran mereka melalui tweet twitter, termasuk seperti pada masa sekarang ini masyarakat beramai-ramai memberikan tanggapan atau komentar melalui twitter mengenai peristiwa politik dan pemilihan presiden, komentar tersebut tidak hanya berisi hal-hal positif, tetapi juga ditemukan komentar yang bersifat negatif. Kelebihan twitter yaitu dapat diakses oleh semua orang dan kalangan sehingga dapat digunakan untuk memperkenalkan kandidat yang didukung, bertarung opini, berdebat, hingga menciptakan berita atau opini yang bersifat bohong untuk menyerang lawan politik. Tugas akhir ini bertujuan untuk mengetahui sentimen politik pengguna Twitter terhadap pemilihan presiden menggunakan metode Support Vector Machine dengan pembobotan TF-IDF. SVM dapat digunakan untuk mengklasifikasikan sentiman data atau kalimat yang diperoleh dari status twitter. Performansi sistem diukur berdasarkan Confusion Matrix dan akurasi. Nilai akurasi tertinggi yang didapatkan pada penelitian ini sebesar 62.88 % dengan TF-IDF menggunakan bentuk gabungan kata Unigram, Bigram dan Trigram. Konsep SVM dapat dijelaskan secara sederhana sebagai usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah class pada input space