Analisis Sentimen Persepsi Publik Tentang Program Merdeka Belajar Kampus Merdeka di X Mengggunakan Support Vector Machine

Abstract

Analisis sentimen adalah metode analisis data teks yang digunakan untuk mengklasifikasikan komentar ke dalam tiga kategori sentimen, yaitu positif, negatif, dan netral. Dalam penelitian ini, dilakukan pengklasifikasian sentimen menggunakan algoritma Support Vector Machine dengan teknik ekstraksi fitur TF-IDF. Tujuan dari penelitian ini adalah untuk mendapatkan gambaran tentang persepsi publik terhadap program Merdeka Belajar Kampus Merdeka melalui analisis komentar pengguna media sosial X. Penelitian ini juga bertujuan untuk mengevaluasi keakuratan hasil sentimen yang diperoleh menggunakan algoritma Support Vector Machine serta untuk memperoleh informasi dari hasil analisis sentimen tersebut. Klasifikasi sentimen dibagi menjadi tiga kategori, yaitu sentimen positif, negatif, dan netral. Hasil klasifikasi sentimen menunjukkan bahwa terdapat 287 komentar bersentimen netral, 242 komentar bersentimen positif, dan 91 komentar bersentimen negatif. Model klasifikasi dengan menggunakan kernel linear memiliki akurasi sebesar 82.25%, presisi sebesar 79.12%, dan recall sebesar 77.70%. Selain itu, pemodelan topik pada kelas sentimen negatif menghasilkan akurasi sebesar 80.79%, presisi sebesar 78.76%, dan recall sebesar 66.46% pada 10-fold cross validation.