Perbandingan Algoritma XGBoost dan SVM Dalam Analisis Opini Publik Pemilihan Presiden 2024

• Published in: Indonesian Journal of Computer Science Vol. 13; no. 3
• Main Authors: Safitri, Dea, Susanti, Rahmaddeni, Fitri, Triyani Arita
• Format: Journal Article
• Language: English
• Published: 30.06.2024
• ISSN: 2302-4364; 2549-7286
• DOI: 10.33022/ijcs.v13i3.4041

Pemilihan presiden dipengaruhi oleh berbagai faktor, termasuk latar belakang kandidat, isu politik, dan preferensi ideologi, sehingga pemilihan presiden menjadi subjek klasifikasi yang kompleks dan menarik. Menganalisis sentimen publik terhadap kandidat dan isu-isu politik memberikan wawasan penting mengenai dinamika politik selama pemilu. Penelitian ini berfokus pada pemilihan presiden dan membandingkan kinerja dua algoritma klasifikasi populer, XGBoost dan SVM, untuk menentukan metode mana yang lebih efektif. Setelah melalui beberapa tahapan text preprocessing terhadap 562 tweet, kami menemukan bahwa mayoritas pengguna Twitter cenderung memilih 347 tweet "Prabowo". Model Extreme Gradient Boosting (XGBoost) menunjukkan performa terbaik dengan presisi 78%, presisi 76%, recall 78%, dan skor f1 76%. Hasil tersebut menunjukkan bahwa XGBoost merupakan model terbaik untuk mengklasifikasikan opini publik terkait pemilu presiden 2024 dan memberikan kontribusi penting dalam memahami efektivitas metode klasifikasi dalam konteks pemilu presiden.