Prediksi Elektabilitas Calon Berdasarkan Sentimen dengan Support Vector Machine (Studi Kasus Pemilihan Presiden dalam Pemilu 2024)

Necoles, Necoles (2024) Prediksi Elektabilitas Calon Berdasarkan Sentimen dengan Support Vector Machine (Studi Kasus Pemilihan Presiden dalam Pemilu 2024). Bachelor Thesis thesis, Universitas Multimedia Nusantara.

	PDF HALAMAN_AWAL.pdf Download (1MB)
	PDF BAB_I.pdf Download (229kB)
	PDF BAB_II.pdf Download (360kB)
	PDF BAB_III.pdf Download (252kB)
	PDF BAB_IV.pdf Restricted to Registered users only Download (505kB)
	PDF BAB_V.pdf Download (209kB)
	PDF DAFTAR_PUSTAKA.pdf Download (260kB)
	PDF LAMPIRAN.pdf Restricted to Registered users only Download (320kB)

Abstract

Indonesia merupakan negara demokratis yang melaksanakan pemilu. Salah satu pemilihan umum adalah pemilihan presiden pada pemilu 2024. Mengetahui elektabilitas adalah hal penting untuk calon maupun untuk masyarakat. Salah satu cara untuk mengetahui elektabilitas dalam masa pemilu adalah survei. Namun, survei dikatakan memakan banyak sumber daya. Oleh karena itu, dilakukan penelitian untuk memprediksi elektabilitas berdasarkan sentimen dari sosial media. Salah satu algoritma yang dapat digunakan adalah SVM. Model SVM tersebut dijadikan dasar untuk melakukan prediksi dengan tabulasi sederhana dan berdasarkan konsep pemrosesan informasi secara heuristik. Setelah dilakukan prediksi berdasarkan model tersebut, didapati hasil prediksi sangat berbeda jauh dalam hal persentase. Namun, urutan pemenang dari hasil prediksi sudah sesuai dengan hasil survei. Oleh karena itu, dapat dikatakan prediksi tidak dapat menggantikan survei tradisional sepenuhnya. Namun, prediksi bisa menjadi alternatif ataupun membantu survei tradisional.

Item Type:	Thesis (Bachelor Thesis)
Keywords:	Machine learning, pemilu, prediksi, sentiment analysis, SVM
Subjects:	?? T58.5-58.64 ??
Divisions:	Faculty of Engineering & Informatics > Informatics
SWORD Depositor:	Administrator UMN Library
Depositing User:	Administrator UMN Library
Date Deposited:	09 Nov 2024 11:11
Last Modified:	09 Nov 2024 11:11
URI:	https://kc.umn.ac.id/id/eprint/33748

Actions (login required)

View Item