Implementasi Support Vector Machine dalam Pembuatan Sistem Klasifikasi Opini Publik tentang Pemindahan Ibu Kota Nusantara
Tahun 2025 · Penulis: Biramaya Harsi Maharani
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Pendekatan machine learning dengan kategori supervised learning merupakan salah satu cara dalam menangani masalah klasifikasi. Klasifikasi adalah proses mengelompokkan suatu data atau objek ke dalam kelas tertentu sesuai dengan variabel yang telah ditentukan. Maka sangat mungkin machine learning digunakan untuk mengklasifikasikan opini publik tentang pemindahan Ibu Kota Nusantara (IKN). Klasifikasi di dasarkan pada dua kelas yaitu kelas aspek kebijakan publik diantaranya sosial, ekonomi, dan lingkungan, serta kelas sentimen diantaranya positif, negatif, dan netral. Sehingga dapat dengan mudah mengetahui persepsi masyarakat terhadap pemindahan IKN saat ini. Proses klasifikasi opini publik terhadap pemindahan IKN berdasarkan aspek dan sentimen pada platform X dilakukan dalam beberapa tahap. Pertama, crawling untuk mengumpulkan data dari platform X. Kedua, labelling untuk memberi label kelas secara manual. Ketiga, preprocessing untuk mengolah data menjadi lebih terstruktur, melalui enam tahap diantaranya cleansing, casefolding, tokenizing, normalisasi, stopword removal, dan stemming. Keempat, pembobotan kata untuk memberikan nilai numerik pada kata. Kelima, pembagian data untuk membagi data menjadi data latih dan data uji. Keenam, penyeimbang data untuk mengatasi ketidakseimbangan kelas. Ketujuh, pemodelan untuk membuat model klasifikasi menggunakan algoritma Support Vector Machine (SVM) dan algoritma pendukung lainnya. Terakhir, evaluasi untuk mengukur kinerja model klasifikasi. Selanjutnya, dilakukan deployment untuk implementasi model kedalam sebuah sistem yang dibangun menggunakan microframework Flask. Saat proses pemodelan, dilakukan eksperimen untuk menentukan kernel dan rasio terbaik untuk bekerja dengan algoritma Support Vector Machine (SVM) dalam melakukan klasifikasi. Lalu, didapatkan kernel RBF dengan rasio 80:20 menjadi kombinasi paling efektif dalam menghasilkan tingkat akurasi terbaik dan diimplementasikan kedalam sistem klasifikasi. Setelah dilakukan klasifikasi pada 19.791 data tweet opini publik terhadap pemindahan IKN, menghasilkan 17.952 opini yang terfokus dalam pembahasan aspek sosial dan 18.964 opini dengan sentimen positif. Hal ini menujukkan bahwa persepsi masyarakat cenderung dominan pada pembahasan sosial dengan pandangan yang mendukung pemindahan IKN.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,731
Tahun 2026 · Penulis: Dinar Ayu Pratiwi
Analisis Tingkat Kematangan Business Process Management (BPM) Menggunakan Multi-perspective BPM Capability Model pada Usaha Bakery
Transformasi digital mendorong perusahaan mikro, kecil, dan menengah (MSME) untuk mengoptimalkan proses bisnis mereka untuk mempertahankan persaingan. DKM Cakes & Cookies menghadapi masalah operasional, khususnya kesenjangan antara Prosedur Operasi Standar (SO
- Cosine 0,730
Tahun 2026 · Penulis: Darojatul Alya Anwar
Analisis Sentimen Pengguna X Terhadap Penetapan UKT di Indonesia Menggunakan Metode Support Vector Machine
Analisis sentimen merupakan salah satu teknik dalam pengolahan bahasa alami (Natural Language Processing) yang bertujuan untuk mengelompokkan opini atau pandangan masyarakat ke dalam kategori sentimen positif, negatif, dan netral. Teknik ini digunakan untuk me
- Cosine 0,717
Tahun 2024 · Penulis: Fitri Murtikasari
Analisis Sentimen Kebijakan Reshuffle Kabinet Pemerintahan Presiden Joko Widodo Menggunakan Metode Support Vector Machine
Reshuffle kabinet merupakan salah satu cara yang dilakukan oleh pemerintah dalam mengevaluasi kinerja kementerian. Dalam hal ini, presiden memiliki hak prerogatif untuk mengangkat dan memberhentikan menteri. Reshuffle kabinet dapat menimbulkan isu bernuansa po