Analisis Sentimen Opini terhadap Kebijakan Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) Paruh Waktu di Twitter Menggunakan Metode Lexicon-Based dan Support Vector Machine (SVM)
Tahun 2025 · Penulis: Rifqie Ade Tama
Faculty of Computer Science, Universitas Jember
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Perkembangan media sosial telah membuka ruang baru bagi masyarakat untuk enyampaikan opini secara luas, termasuk terhadap kebijakan pemerintah. Salah satu kebijakan yang menjadi sorotan adalah program Pegawai Pemerintah dengan Perjanjian Kerja (PPPK) paruh waktu. Penelitian ini bertujuan untuk menganalisis sentimen opini publik terhadap kebijakan tersebut melalui platform Twitter dengan menggunakan pendekatan Lexicon-Based dan algoritma Support Vector Machine (SVM). Data dikumpulkan melalui proses crawling menggunakan kata kunci relevan, menghasilkan 762 tweet yang telah diberi label secara manual ke dalam dua kategori sentimen: positif dan negatif. Data teks kemudian melalui tahapan preprocessing seperti Case Folding, Cleansing, tokenisasi, normalisasi, Stopword Removal, dan Stemming. Selanjutnya, fitur teks diekstraksi menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF) untuk direpresentasikan secara numerik. Model SVM dengan berbagai kernel (Linear, RBF, Sigmoid, dan Polynomial) diuji pada proporsi data latih dan uji yang berbeda (60:40, 70:30, 80:20, 90:10). Hasil evaluasi menunjukkan bahwa kernel RBF memberikan performa terbaik dengan akurasi tertinggi mencapai 79,22% dan F1-Score sebesar 79,16% pada proporsi data 90:10. Temuan ini menunjukkan bahwa kombinasi Lexicon-Based dan SVM efektif dalam mengklasifikasikan opini publik, serta dapat menjadi acuan dalam pengambilan keputusan kebijakan berbasis opini masyarakat.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,823
Tahun 2026 · Penulis: Fadil Agusta
Implementasi Model Hybrid Random Forest-Support Vector Machine untuk Prediksi Tingkat Kepuasan Pengguna Layanan Multi Lane Free Flow
Perkembangan teknologi transportasi di Indonesia telah menghadirkan sistem Multi-Lane Free Flow (MLFF) sebagai solusi pembayaran tol nirsentuh yang lebih efisien. Namun, keberhasilan penerapan teknologi ini sangat dipengaruhi oleh tingkat penerimaan masyarakat
- Cosine 0,811
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 0,806
Tahun 2026 · Penulis: Tantra Wahyudi
Implementasi Sistem Deteksi Sentimen Berbasis Aspek untuk Ulasan Smartphone Menggunakan Metode Support Vector Machine (Studi kasus: iPhone 17 Pro)
Pengguna internet Indonesia telah menghasilkan jutaan ulasan smartphone di YouTube, yang sebagian besar ditulis dalam bahasa informal yang sangat tinggi yang berisi singkatan, typos, dan sarkasme, membuat analisis otomatis sangat menantang sistem konvensional.