ANALISIS SENTIMEN PADA MEDIA SOSIAL TWITTER TERHADAP PENEGAKAN HUKUM DI INDONESIA TAHUN 2024 MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM)
Keywords:
Analisis Sentimen, Twitter, Penegakan Hukum, Support Vector Machine (SVM), TF-IDFAbstract
Penegakan hukum merupakan aspek penting dalam menjaga keadilan dan ketertiban di Indonesia. Namun, praktiknya sering menimbulkan polemik di masyarakat, sehingga menjadi isu yang ramai diperbincangkan di media sosial, khususnya Twitter. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penegakan hukum di Indonesia pada tahun 2024 dengan memanfaatkan data tweet berbahasa Indonesia. Data dikumpulkan menggunakan kata kunci yang relevan, kemudian melalui tahapan preprocessing teks seperti pembersihan data, tokenisasi, dan stopword removal. Fitur teks diekstraksi menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), sedangkan klasifikasi sentimen dilakukan dengan algoritma Support Vector Machine (SVM). Metodologi yang digunakan adalah pendekatan CRISP-DM untuk memandu alur penelitian mulai dari pemahaman data hingga evaluasi model. Hasil penelitian menunjukkan bahwa metode SVM mampu mengklasifikasikan sentimen positif, negatif, dan netral secara cukup akurat, sehingga dapat digunakan sebagai acuan dalam memahami persepsi publik terkait isu penegakan hukum. Temuan ini diharapkan dapat menjadi masukan bagi pihak terkait dalam mengevaluasi dan memperbaiki kualitas penegakan hukum di Indonesia.
Downloads
References
Daeng, Y., Putri, D., S F, B., Rahmat, K., 2024. Keterbatasan Aparat Penegak Hukum Sebagai Hambatan Dalam Penegakan Hukum di Indonesia. J. Multidisiplin Teknol. dan Arsit. 2, 671–676. https://doi.org/10.57235/motekar.v2i2.3791
Darwis, D., Pratiwi, E.S., Pasaribu, A.F.O., 2020. Penerapan Algoritma Svm Untuk Analisis Sentimen Pada Data Twitter Komisi Pemberantasan Korupsi Republik Indonesia. Edutic - Sci. J. Informatics Educ. 7, 1–11. https://doi.org/10.21107/edutic.v7i1.8779
Doewes, A., Saxena, A., Pei, Y., Pechenizkiy, M., 2022. Individual Fairness Evaluation for Automated Essay Scoring System. Proc. 15th Int. Conf. Educ. Data Mining, EDM 2022. https://doi.org/10.5281/zenodo.6853151
Gussela, M.D., Kurniawati, M., N, J.S., Hermanto, D., Fauziansah, S., Saebani, B.A., 2024. Fenomena “No Viral No Justice” Perspektif Teori Penegakkan Hukum. Ranah Res. J. Multidiscip. Res. Dev. 7, 792–800. https://doi.org/10.38035/rrj.v7i2.1326
Handayani, R.N., 2021. Optimasi Algoritma Support Vector Machine untuk Analisis Sentimen pada Ulasan Produk Tokopedia Menggunakan PSO. Media Inform. 20, 97–108. https://doi.org/10.37595/mediainfo.v20i2.59
Hasanah, M.A., Soim, S., Handayani, A.S., 2021. Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir. J. Appl. Informatics Comput. 5, 103–108. https://doi.org/10.30871/jaic.v5i2.3200
I Gede Sujana, I Wayan Kandia, 2024. Indikator Lemahnya Penegakan Hukum di Indonesia. IJOLARES Indones. J. Law Res. 2, 56–62. https://doi.org/10.60153/ijolares.v2i2.67
Kannengiesser, U., Gero, J.S., 2023. Modelling the Design of Models: an Example Using Crisp-Dm. Proc. Des. Soc. 3, 2705–2714. https://doi.org/10.1017/pds.2023.271
Khoirunnisa, F., Topiq, S., 2024. Analisis Sentimen Terhdap Kepercayaan Masyarakat Pada Proses Penegak Hukum Di Indonesia Dengan Menggunakan Algoritma Naïve Bayes. J. Inform. dan Tek. Elektro Terap. 12, 2128–2139. https://doi.org/10.23960/jitet.v12i3.4683
Permata Aulia, T.M., Arifin, N., Mayasari, R., 2021. Perbandingan Kernel Support Vector Machine (Svm) Dalam Penerapan Analisis Sentimen Vaksinisasi Covid-19. SINTECH (Science Inf. Technol. J. 4, 139–145. https://doi.org/10.31598/sintechjournal.v4i2.762
Pratama, R.A., 2024. Analisis Sentimen Konsumen Dengan Teknik Text Mining. J. Dunia Data 1, 1–17.
Ridwansyah, T., 2022. Implementasi Text Mining Terhadap Analisis Sentimen Masyarakat Dunia Di Twitter Terhadap Kota Medan Menggunakan K-Fold Cross Validation Dan Naïve Bayes Classifier. KLIK Kaji. Ilm. Inform. dan Komput. 2, 178–185. https://doi.org/10.30865/klik.v2i5.362
Saputra, M.R., Parjito, P., 2025. Analisis Sentimen Twitter Terhadap Konflik Di Papua Menggunakan Perbandingan Naive Bayes Dan Svm. JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform. 10, 1197–1208. https://doi.org/10.29100/jipi.v10i2.6180
Septiani, D., Isabela, I., 2022. Analisis Term Frequency Inverse Document Frequency (Tf-Idf) Dalam Temu Kembali Informasi Pada Dokumen Teks. SINTESIA J. Sist. dan Teknol. Inf. Indones. 1, 81–88.
Styawati, S., Hendrastuty, N., Isnain, A.R., 2021. Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. J. Inform. J. Pengemb. IT 6, 150–155. https://doi.org/10.30591/jpit.v6i3.2870
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 M.Rio Pratama Srg
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
