Anggara, Aji (2024) ANALISIS SENTIMEN SIDANG PUTUSAN MK HASIL PEMILIHAN UMUM PRESIDEN DAN WAKIL PRESIDEN 2024 PADA SOSIAL MEDIA X (TWITTER) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). S1 thesis, Universitas Malikussaleh.

	Text Aji Anggara_200170235_Cover.pdf Download (144kB)
	Text Aji Anggara_200170235_Abstrak.pdf Download (189kB)
	Text Aji Anggara_200170235_Bab 1.pdf Download (184kB)
	Text Aji Anggara_200170235_Daftar Pustaka.pdf Download (130kB)
	Text Aji Anggara_200170235_ANALISIS SENTIMEN SIDANG PUTUSAN MK HASIL PEMILIHAN UMUM PRESIDEN DAN WAKIL.pdf Restricted to Registered users only Download (5MB)

Abstract

Support Vector Machine (SVM) adalah metode pembelajaran mesin yang banyak digunakan untuk masalah regresi dan klasifikasi terutama klasifikasi review komentar twitter. Sidang Mahkamah Konstitusi (MK) memiliki kewenangan untuk menyelesaikan sengketa hasil pemilihan umum, termasuk Pilpres 2024. MK sebagai lembaga hukum bertanggung jawab untuk menjaga keadilan dan transparansi dalam proses demokrasi.Pada Pemilihan Umum 2024, terjadi berbagai tuduhan kecurangan, yang memicu protes dari beberapa pihak yang merasa dirugikan.Putusan MK yang final dan mengikat bertujuan untuk menyelesaikan konflik yang muncul, tetapi sering kali tidak dapat memuaskan semua pihak, sehingga menimbulkan ketegangan politik dan sosial.Konflik yang terjadi setelah sidang putusan MK umumnya disebabkan oleh rasa ketidakpuasan dari pihak yang merasa dirugikan dalam proses pemilu. Penelitian ini menggunakan algoritma Support Vector Machine (SVM) dengan dataset yang terdiri dari 1383 komentar ulasan, yang dibagi dengan rasio 80:20. Sistem diimplementasikan di web dengan menggunakan bahasa pemrograman Python. Dari 277 data uji yang diterapkan beserta 1106 data latih, algoritma SVM menghasilkan confusion matrix dengan akurasi tertinggi pada pembagian data latih dan data uji 80:20, yaitu sebesar 61.00%, serta precision 61.00% dan recall 62.00%. Kata Kunci: Confusion matrix, Mahkamah Konstitusi (MK), Sengketa, Pemilu, Konflik, Demokrasi, Klasifikasi, Pyhton, Akurasi, Presicision, Recall, Support Vector Machine (SVM).

Item Type:	Thesis (S1)
Subjects:	H Social Sciences > H Social Sciences (General) H Social Sciences > HV Social pathology. Social and public welfare Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Aji Aji Anggara Aji Anggara
Date Deposited:	24 Jan 2025 04:04
Last Modified:	24 Jan 2025 04:04
URI:	https://rama.unimal.ac.id/id/eprint/9438

Actions (login required)

View Item