Analisis sentimen terhadap hasil Pilpres 2019 dengan membandingkan algoritma Support Vector Machine (SVM) dan algoritma K-Nearest Neighbor (KNN)

Pemilihan presiden Republik Indonesia ramai diperbincangkan di dunia nyata maupun dunia maya, khususnya di media sosial Twitter. Pada saat ini perkembangan media sosial sebagai alat untuk berkomunikasi diantara masyarakat untuk menyampaikan opini, semua orang bebas berpendapat atau beropini tentang calon Presiden dan Wakil Presiden Indonesia 2019 sehingga memunculkan banyak opini, baik itu opini dengan sentimen positif, negatif ataupun netral terhadap calon Presiden dan Wakil Presiden. Penelitian ini dilakukan untuk membandingkan efektifitas algoritma Support Vector Machine (SVM) dengan algoritma K-Nearest Neighbor (KNN) dan memprediksi hasil pilpres berdasarkan sentiment. Pada penelitian ini telah dilakukan perbandingan algoritma SVM dan algoritma KNN untuk mengklasifikasi sentimen terhadap calon Presiden pada Pilpres 2019 dengan data yang diperoleh dari Twitter. Kemudian dilakukan preprocessing dan pembobotan meggunakan TF-IDF. Algoritma SVM memiliki hasil akurasi tertinggi dibandingkan dengan algoritma KNN. Nilai rata – rata akurasi algoritma SVM yaitu 69.27 dengan akurasi tertinggi yaitu 76.5 %, sedangkan nilai rata – rata algoritma KNN yaitu 61.3 % dengan akurasi tertinggi sebesar 68.3 %. Waktu training tercepat didapatkan oleh algoritma KNN sedangkan waktu testing tercepat yaitu didapatkan oleh algoritma SVM dibandingkan KNN serta hasil prediksi presiden berdasarkan sentiment positif terbanyak yaitu kandidat nomor urut 02 dengan persentase 85,4 % sedangkan jumlah prediksi sentiment positif dari kandidat nomor 01 yaitu 76,8 %