Menentukan Popularitas Calon Presiden dan Tren pada Pilpres 2019 menggunakan Algoritma DBSCAN

Abstract

Abstrak

Indonesia merupakan negara demokrasi terbesar ketiga di dunia. Salah satu cerminan demokrasi tersebut adalah pemilihan presiden. Seorang tokoh politik yang ingin maju menjadikan opini masyarakat yang sekarang disampaikan melalui media sosial sebagai pertimbangan. Peranan media sosial menjadi sangat penting, karena mampu mendongkrak suara secara signifikan bahkan dijadikan senjata baru bagi banyak bidang terutama kampanye politik. Salah satu media sosial yang sangat populer adalah Twitter. Twitter menggunakan tweet yang mengandung data apabila diolah dapat menjadi informasi. Data dari tweet dapat dijadikan bahan untuk mencari opini masyarakan terhadap calon presiden dan pola yang terbentuk dan pengetahuan pada pemilihan presiden 2019. Untuk menangani tweet yang berbentuk data tekstual dapat dilakukan dengan menggunakan text mining. Metode yang digunakan adalah algoritma partitioning clustering yaitu Density-Based Spatial Clustering of Application with Noise (DBSCAN). Hasil dari penelitian ini adalah DBSCAN menjadi metode terbaik karena mempunyai validitas silhouette index (SI) sebesar 0.8094 dan waktu eksekusi di RapidMinner 2.5676 detik. Frekuensi nama Joko Widodo mendominasi kategori positif, negatif dan netral. Hasil penelitian ini dapat digunakan untuk orang, organisasi dan proses bisnis yang berkaitan erat dengan Pilpres 2019.

Kata kunci: Calon Presiden, DBSCAN, Text Mining, Twitter dan Pemilihan Presiden 2019

Abstract

Indonesia Indonesia is the third largest democracy in the world. One reflection of that democracy is the presidential election. A political figure who wants to move forward makes public opinion now conveyed through social media a consideration. The role of social media is very important, because it is able to jack up the sound significantly and even become a new weapon in many fields, especially political campaigns. One very popular social media is Twitter. Twitter uses tweets that contain data when it is processed into information. Data from tweets can be used as material to seek public opinion on candidates of presidential and patterns formed and knowledge in the 2019 presidential election. To handle tweets in the form of textual data can be done using text mining. The method used is partitioning clustering algorithm, namely Density-Based Spatial Clustering of Application with Noise (DBSCAN). The results of this study are DBSCAN to be the best method because it has a silhouette index (SI) validity of 0.8094 and an execution time on RapidMinner 2.5676 seconds. The frequency of the name Joko Widodo dominates the positive, negative and neutral categories. The results of this study can be used for people, organizations and business processes that are closely related to the Presidential Election 2019.

Keywords: Candidate of Presidential, DBSCAN, Text Mining, Twitter dan Presidential Election 2019