Klasifikasi Sentimen Terhadap Program Barak Militer Anak Dedi Mulyadi Menggunakan Support Vector Machine

Abstract

Media sosial, khususnya X, menjadi wadah penting bagi publik dalam menyampaikan opini terhadap kebijakan pemerintah, termasuk kebijakan kontroversial seperti program Barak Militer Anak yang diinisiasi oleh Dedi Mulyadi. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap program tersebut serta mengevaluasi kinerja algoritma machine learning dalam klasifikasi teks media sosial. Data diperoleh melalui proses crawling sebanyak 1,826 tweet dan difilter menjadi 1,000 tweet yang relevan. Pelabelan sentimen dilakukan secara otomatis menggunakan model BERT NLP Town dan divalidasi melalui anotasi manual pada 200 sampel data. Data kemudian diproses melalui tahap preprocessing dan ekstraksi fitur TF-IDF sebelum diklasifikasikan menggunakan Support Vector Machine kernel linear. Evaluasi dilakukan menggunakan metode hold-out dan 10-fold cross-validation. Hasil validasi silang menunjukkan rata-rata akurasi sebesar 66,20% ± 5,94%, macro F1-Score sebesar 56,37% ± 8,59%, dan balanced accuracy sebesar 56,98% ± 8,24%. Hasil ini menunjukkan bahwa model menunjukkan performa yang moderat dan belum merata pada seluruh kelas, khususnya kelas netral. Secara keseluruhan, kombinasi BERT NLP Town, TF-IDF, dan SVM mampu memberikan gambaran awal mengenai sentimen publik, namun masih memerlukan pengembangan untuk meningkatkan stabilitas dan generalisasi model.   Kata Kunci - Analisis Sentimen, Support Vector Machine, BERT NLP Town, TF-IDF, X