Ekstraksi Opini Negatif dan Klasifikasi Sentimen Pengguna Menggunakan Latent Dirichlet Allocation dan Support Vector Machine pada Program Danantara di Media Sosial X
Tahun 2026 · Penulis: Ubaid Farid Handoko
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/10514
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Terjemahan mesin (opus-mt-en-id) · dipakai untuk pengindeksan
Ekstraksi Opini Negatif dan Klasifikasi Sentimen Pengguna Menggunakan Latent Dirichlet Allocation dan Support Vector Machine pada Program Danantara di Media Sosial X
Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap Program Danantara di media sosial X dengan menggabungkan Latent Dirichlet Alokasi (LDA) untuk ekstraksi topik dan Dukungan Mesin Vektor (SVM) untuk klasifikasi sentimen. Dataset terdiri dari tweet yang berkaitan dengan Danantara, yang berlangsung beberapa tahap praproses, termasuk pelipatan kasus, pembersihan, normalisasi, penghapusan stopword, penumpukan, dan tokenisasi. Modelik secara eksklusif dilakukan pada twit sentimen negatif menggunakan metode LDA, sementara klasifikasi sentimen terfokus pada kelas positif dan negatif menggunakan algoritma SVM dengan kernel RBF. Jumlah topik optimal ditentukan menggunakan skor koherensi, dimana nilai tertinggi 0,5798 dicapai dengan tujuh topik. Topik-topik yang diekstrak mengungkapkan keprihatinan publik utama tentang transparansi dan akuntabilitas dari perusahaan-perusahaan milik negara, pengelolaan sumber daya alam, resiko investasi, alokasi anggaran negara, manajemen proyek strategis, stabilitas pasar saham, dan dampak sosial kebijakan pemerintah. Untuk klasifikasi sentimen, model SVM dievaluasi menggunakan tiga skenario split-test kereta (90:10, 80:20, dan 70:30). Penampilan terbaik dicapai dengan pembagian 90:10, menghasilkan akurasi 79%, sementara nilai lintas-validasi berkisar dari 70% sampai 72%, menunjukkan kemampuan generalisasi yang baik tanpa tanda-tanda yang cocok atau kurang cocok. Temuan ini menunjukkan bahwa integrasi LDA dan SVM efektif untuk mengidentifikasi isu dominan dan mengklasifikasikan sentimen publik terhadap program pemerintah di media sosial. Kata Kunci: Sentimement Analysis, Modeling Topic, Alokasi Latennt Dirichlet (LDA), Dukung Mesin Vektor (SVM), Program Danantara, Media Sosial X, Opinion Publik.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,837
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 0,795
Tahun 2026 · Penulis: Shafa Kamila
Analisis Sentimen Berbasis Aspek terhadap Pilkada Jember 2024 Menggunakan Model IndoBERT dan Algoritma LDA
Dinamika politik yang mengarah ke Eleksi Jember Regional 2024 memicu lonjakan signifikan opini publik di YouTube dan platform TikTok. Bahasa media sosial yang tidak resmi, termasuk bahasa slang, singkatan, dan dialek campuran, menghadirkan tantangan analisis m
- Cosine 0,790
Tahun 2026 · Penulis: Ovala Hadiyanti
Analisis Sentimen Opini Masyarakat Terhadap Program Makan Bergizi Gratis di Media Sosial X
Free Nutritious Meals (MBG) Program adalah kebijakan pemerintah yang telah menghasilkan beragam tanggapan publik, khususnya pada platform media sosial X. Mengingat volume besar opini publik, analisis sentimen diperlukan untuk mengidentifikasi sentimen publik t