Analisis Sentimen Tweet Publik Menggunakan Metode Heterogeneous dan Homogeneous Ensemble Learning Terhadap Pembangunan Ibu Kota Negara Indonesia = Sentiment Analysis of Public Tweets Using Heterogeneous and Homogeneous Ensemble Learning Methods on the Development of Indonesia's National Capital City

MAWARDI KUDIN. Analisis Sentimen Tweet Publik Menggunakan Metode Heterogeneous dan Homogeneous Ensemble Learning Terhadap Pembangunan Ibu Kota Negara Indonesia (dibimbing oleh Amil Ahmad Ilham dan Ady Wahyudi Paundu). Pemerintah memulai program pemindahan Ibu Kota Negara (IKN) ke Kalimantan yang menuai pro dan kontra. Isu ini mendapatkan perbincangan hangat di masyarakat dan media sosial. Pembangunan IKN menghadapi berbagai tanggapan atau pendapat dari masyarakat Indonesia, mulai dari positif, netral, hingga negatif. Namun, sulit untuk mengetahui pendapat mayoritas masyarakat secara langsung karena akan memakan banyak tenaga dan waktu yang sangat lama. Pesatnya perkembangan teknologi saat ini meningkatkan pemanfaatan media sosial, khususnya Twitter, sebagai tempat untuk mengekspresikan pendapat. Kita dapat mengetahui opini seseorang berdasarkan setiap tweet yang ditulisnya menggunakan teknik Analisis Sentimen, yaitu sebuah metode untuk menentukan apakah sentimen dalam suatu teks itu positif, netral, atau negatif. Dalam melakukan analisis sentimen, telah banyak diterapkan metode individual learning, yaitu hanya menggunakan sebuah algoritma machine learning saja dalam melakukan klasifikasi sentimen. Namun, metode ini akan memiliki kekurangan tergantung setiap algoritma yang digunakan. Untuk menyelesaikan masalah tersebut, telah dikembangkan metode ensemble learning yang menggabungkan beberapa algoritma machine learning untuk mendapatkan performa yang lebih baik. Dalam penelitian ini diusulkan penerapan metode heterogeneous dan homogeneous ensemble learning dalam melakukan analisis sentimen, dengan menggabungkan beberapa algoritma machine learning yang sejenis maupun yang berbeda, dan metode weighted soft voting diterapkan untuk menentukan hasil akhir klasifikasi sentimen pada setiap metode ensemble learning yang diusulkan. Selain itu, metode TF-IDF juga digunakan untuk vektorisasi data yang berbentuk teks. Skor akurasi tertinggi dalam melakukan analisis sentimen diperoleh oleh metode heterogeneous ensemble learning yang diusulkan, yaitu sebesar 76%. Skor ini berhasil mengungguli akurasi dari metode individual learning.

Keyword : Analisis Sentimen, Ensemble Learning, Heterogeneous, Homogeneous, Weighted Soft Voting, TF-IDF, Twitter.