<?xml version="1.0" encoding="UTF-8" ?>
<modsCollection xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://www.loc.gov/mods/v3" xmlns:slims="http://slims.web.id" xsi:schemaLocation="http://www.loc.gov/mods/v3 http://www.loc.gov/standards/mods/v3/mods-3-3.xsd">
<mods version="3.3" ID="17682">
<titleInfo>
<title>ANALISIS SENTIMEN REAKSI MASYARAKAT TERHADAP
PELANTIKAN PRABOWO-GIBRAN SEBAGAI PRESIDEN DAN WAKIL
PRESIDEN MENGGUNAKAN ALGORITMA NAIVE BAYES</title>
</titleInfo>
<name type="Personal Name" authority="">
<namePart>Maria Mediatrix Sebatubun, S.Kom., M.Eng</namePart>
<role><roleTerm type="text">Contributor</roleTerm></role>
</name>
<name type="Personal Name" authority="">
<namePart>Ito, Ruth Doy - 215410011</namePart>
<role><roleTerm type="text">Primary Author</roleTerm></role>
</name>
<typeOfResource manuscript="yes" collection="yes">mixed material</typeOfResource>
<genre authority="marcgt">bibliography</genre>
<originInfo>
<place><placeTerm type="text">Yogyakarta</placeTerm></place>
<publisher>UNIVERSITAS TEKNOLOGI DIGITAL INDONESIA (UTDI)</publisher>
<dateIssued>2025</dateIssued>
<issuance>monographic</issuance>
<edition></edition>
</originInfo>
<language>
<languageTerm type="code">id</languageTerm>
<languageTerm type="text">Indonesia</languageTerm>
</language>
<physicalDescription>
<form authority="gmd">Text Skripsi</form>
<extent></extent>
</physicalDescription>
<note>Pelantikan Prabowo Subianto dan Gibran Rakabuming sebagai Presiden
dan Wakil Presiden terpilih pada periode 2024-2029 memicu berbagai reaksi
masyarakat yang diekspresikan melalui media sosial X. Sebagai platform dengan
jutaan pengguna aktif, X menjadi sumber data yang relevan untuk menganalisis
sentimen publik terhadap peristiwa politik ini. Oleh karena itu, penelitian ini
bertujuan untuk mengklasifikasikan sentimen masyarakat menggunakan metode
analisis sentimen berbasis pembelajaran mesin.
Penelitian ini menggunakan metode lexicon-based dengan Sastrawi untuk
teks preprocessing dan Naive Bayes untuk klasifikasi sentimen. Dataset terdiri
dari 5000 tweet yang terbagi menjadi 70% data latih dan 30% data uji. Hasil
analisis menunjukkan bahwa sentimen netral mendominasi dengan 2.934 tweet,
diikuti oleh 1.708 tweet positif dan 358 tweet negatif. Model yang digunakan
mencapai akurasi 82,4%, dengan performa terbaik pada sentimen positif dan
netral, sementara sentimen negatif masih memiliki f1-score yang lebih rendah.
Penelitian ini memberikan kontribusi penting dalam memahami sentimen
publik terhadap isu-isu politik di media sosial dan dapat menjadi pijakan awal bagi
penelitian serupa di masa depan yang bertujuan untuk meningkatkan akurasi
analisis sentimen.
Kata Kunci : analisis sentimen, lexicon-based, naive bayes, pelantikan prabowogibran,</note>
<subject authority=""><topic>Algoritma</topic></subject>
<subject authority=""><topic>NAIVE BAYES</topic></subject>
<subject authority=""><topic>Analisis Sentimen</topic></subject>
<classification>NONE</classification><identifier type="isbn"></identifier><location>
<physicalLocation>Perpustakaan Universitas Teknologi Digital Indonesia Katalog Online Perpustakaan Universitas Teknologi Digital Indonesia</physicalLocation>
<shelfLocator>038 ITO A R.1</shelfLocator>
<holdingSimple>
<copyInformation>
<numerationAndChronology type="1">ITO0038IN0125</numerationAndChronology>
<sublocation>Rak Referensi  Skripsi Informatika</sublocation>
<shelfLocator>038 ITO A R.1</shelfLocator>
</copyInformation>
</holdingSimple>
</location>
<recordInfo>
<recordIdentifier>17682</recordIdentifier>
<recordCreationDate encoding="w3cdtf">2025-03-05 13:48:18</recordCreationDate>
<recordChangeDate encoding="w3cdtf">2025-03-05 13:50:35</recordChangeDate>
<recordOrigin>machine generated</recordOrigin>
</recordInfo></mods></modsCollection>