ANALISIS SENTIMEN UNTUK MEMPREDIKSI HASIL CALON PEMILU PRESIDEN MENGGUNAKAN LEXICON BASED DAN RANDOM FOREST

The Presidential Election is one of the crucial moments in Indonesian politics. To predict the election results, sentiment analysis methods can be used to evaluate public opinions through social media. One of the popular social media platforms nowadays is Twitter. As the Republic of Indonesia's Presidential Election approaches, there is an increasing number of tweets discussing the event. This situation creates a favorable opportunity to conduct sentiment analysis on the election campaign topic. There are various opinions from Twitter users with positive, neutral, and negative sentiments. The collected tweet data undergoes preprocessing, involving two main processes: cleaning and stemming. Therefore, sentiment analysis is necessary to understand the public's tendencies towards the election. The objective of this research is to obtain sentiment analysis of the text documents to determine positive or negative sentiments. Two methods, namely Random Forest and Lexion Based, are used to predict the presidential candidates' sentiments. Random Forest is employed to analyze sentiments in text data collected from various sources, including social media, news websites, and online forums. This method involves an ensemble of decision trees working collectively to classify sentiments as positive, negative, or neutral towards the Presidential Election candidates. On the other hand, Lexion Based is used to associate words in the text with specific sentiments.Pemilihan Presiden merupakan salah satu momen krusial dalam perpolitikan Indonesia. Untuk memprediksi hasil pemilu, metode analisis sentimen dapat digunakan untuk menilai opini publik melalui media sosial. Salah satu platform media sosial yang populer saat ini adalah Twitter. Menjelang Pemilihan Presiden Republik Indonesia, semakin banyak tweet yang membahas acara tersebut. Situasi ini menciptakan peluang yang menguntungkan untuk melakukan analisis sentimen pada topik kampanye pemilu. Ada berbagai pendapat dari pengguna Twitter dengan sentimen positif, netral, dan negatif. Data tweet yang terkumpul mengalami preprocessing, melibatkan dua proses utama: pembersihan dan stemming. Oleh karena itu, analisis sentimen diperlukan untuk memahami kecenderungan masyarakat terhadap pemilu. Tujuan dari penelitian ini adalah untuk mendapatkan analisis sentimen dari dokumen teks untuk menentukan sentimen positif atau negatif. Dua metode yaitu Random Forest dan Lexion Based digunakan untuk memprediksi sentimen capres. Random Forest digunakan untuk menganalisis sentimen dalam data teks yang dikumpulkan dari berbagai sumber, termasuk media sosial, situs berita, dan forum online. Metode ini melibatkan ansambel pohon keputusan yang bekerja secara kolektif untuk mengklasifikasikan sentimen sebagai positif, negatif, atau netral terhadap kandidat Pilpres. Di sisi lain, Lexion Based digunakan untuk mengasosiasikan kata-kata dalam teks dengan sentimen tertentu