ANALISIS SENTIMEN MASYARAKAT TERHADAP KINERJA KOMISI PEMILIHAN UMUM (KPU) MENJELANG PEMILU 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE DAN SELEKSI FITUR INFORMATION GAIN

ANALYSIS OF PUBLIC SENTIMENT TOWARDS THE PERFORMANCE OF THE KOMISI PEMILIHAN UMUM (KPU) AHEAD OF THE 2024 ELECTIONS USING THE SUPPORT VECTOR MACHINE METHOD AND INFORMATION GAIN FEATURE SELECTION

Kemajuan teknologi yang pesat telah mengubah cara individu berkomunikasi dan berinteraksi secara signifikan. Salah satu dampaknya adalah meningkatnya penggunaan media sosial, dengan media sosial X atau yang sebelumnya dikenal dengan Twitter yang sangat populer di Indonesia, menduduki peringkat keempat dunia dengan 25,25 juta pengguna pada Juli 2023 menurut laporan We Are Social. Menjelang pemilu 2024, kinerja Komisi Pemilihan Umum (KPU) menjadi sorotan publik, menjadikannya topik hangat di media sosial X. untuk memahami sentimen publik terhadap kinerja KPU, penelitian ini menggunakan metode Support Vector Machine (SVM), yang ditingkatkan dengan seleksi fitur Information Gain (IG), yang dikenal efektif dalam mengidentifikasi fitur relevan dalam dataset. Proses penelitian mencakup preprocessing data, pelabelan data, pembobotan TF-IDF, seleksi fitur dengan berbagai threshold (0.005, 0.007, 0.0005, 0.0007), lima skenario pembagian data untuk klasifikasi (50%:50%, 60%:40%, 70%:30%, 80%:20%, 90%:10%), dan evaluasi. Hasil menunjukkan bahwa SVM tanpa IG mencapai akurasi tertinggi sebesar 77,63%, sedangkan SVM dengan seleksi fitur IG mencapai akurasi sebesar 82,89% dengan threshold 0.0007. Kedua akurasi tersebut dicapai pada skenario pembagian data 90%:10%. Hal ini menunjukkan efektivitas seleksi fitur IG dalam meningkatkan akurasi klasifikasi sebesar 5,26%, serta meningkatkan nilai presisi, recall, dan f-measure. Dengan demikian, model SVM yang menggunakan seleksi fitur IG memberikan prediksi yang lebih akurat dan konsisten dalam menganalisis sentimen terhadap kinerja KPU menjelang pemilu 2024.

Kata Kunci : KPU, Pemilu, Support Vector Machine , Seleksi Fitur, Information Gain

Rapid technological advancements have significantly changed the way individuals communicate and interact. One of the impacts is the increased use of social media, with social media X or formerly known as Twitter being particularly popular in Indonesia, ranked fourth in the world with 25.25 million users in July 2023 according to the We Are Social report. Ahead of the 2024 elections, the performance of the Komisi Pemilihan Umum (KPU) is in the public spotlight, making it a hot topic on social media X. To understand public sentiment towards the KPU's performance, this research utilizes the Support Vector Machine (SVM) method, enhanced with Information Gain (IG) feature selection, which is known to be effective in identifying relevant features in datasets. The research process includes data preprocessing, data labeling, TF-IDF weighting, feature selection with various thresholds (0.005, 0.007, 0.0005, 0.0007), five data sharing scenarios for classification (50%:50%, 60%:40%, 70%:30%, 80%:20%, 90%:10%), and evaluation. The results showed that SVM without IG achieved the highest accuracy of 77.63%, while SVM with IG feature selection achieved an accuracy of 82.89% with a threshold of 0.0007. Both accuracies were achieved in the 90%:10% data split scenario. This shows the effectiveness of IG feature selection in increasing classification accuracy by 5.26%, as well as increasing precision, recall, and f-measure values. Thus, SVM models that use IG feature selection provide more accurate and consistent predictions in analyzing sentiment towards the performance of the KPU ahead of the 2024 election.

Keywords: KPU, Election, Support Vector Machine, Feature Selection, Information Gain