Analisis Sentimen Pada Media Sosial X Terhadap Pemimpin Muda Menggunakan Pendekatan Algoritma Support Vector Machine

Abstract

Media sosial telah menjadi sarana utama bagi masyarakat untuk menyampaikan opini dan persepsi terhadap tokoh publik, termasuk pemimpin muda. Platform X (Twitter) menyediakan data teks yang kaya dan dinamis yang mencerminkan sentimen publik secara luas. Penelitian ini bertujuan untuk menganalisis sentimen pengguna media sosial X terhadap pemimpin muda menggunakan pendekatan algoritma Support Vector Machine (SVM). Dataset yang digunakan dalam penelitian ini terdiri dari 12.487 tweet yang dikumpulkan melalui teknik crawling pada rentang waktu Januari hingga Juni 2024. Tahapan praproses data meliputi case folding, penghapusan stopword, normalisasi, tokenisasi, stemming, pelabelan data, serta ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF). Selanjutnya, algoritma SVM diterapkan untuk mengklasifikasikan sentimen ke dalam tiga kelas, yaitu positif, negatif, dan netral. Evaluasi kinerja model dilakukan menggunakan confusion matrix dan metode 10-fold cross-validation. Hasil penelitian menunjukkan bahwa algoritma SVM mampu mengklasifikasikan sentimen dengan baik, dengan nilai akurasi sebesar 84,66%, precision 84,12%, recall 83,74%, dan F1-score 83,93%. Analisis distribusi sentimen menunjukkan bahwa sentimen positif mendominasi dengan persentase 41,18%, diikuti sentimen negatif sebesar 34,64%, dan sentimen netral sebesar 24,18%. Temuan ini menunjukkan bahwa pendekatan SVM berbasis TF-IDF efektif digunakan untuk analisis sentimen pada data Twitter berskala besar serta mampu memberikan gambaran yang reliabel mengenai persepsi publik terhadap pemimpin muda.   Kata Kunci- Analisis Sentimen, Twitter, Pemimpin Muda, SVM, dan Media Sosial