KLASIFIKASI TEKS PADA MEDIA SOSIAL TWITTER DAN PORTAL BERITA MENGGUNAKAN ALGORITMA SVM (SUPPORT VECTOR MACHINE) MENGENAI PANDANGAN PUBLIK TERHADAP ISU PENERIMA BEASISWA LPDP LUAR NEGERI YANG TIDAK KEMBALI KE INDONESIA
Keywords:
analisis sentimen, beasiswa LPDP luar negeri, klasifikasi teks, SVMAbstract
Media sosial dan portal berita menjadi ruang penting bagi masyarakat dalam menyampaikan opini terhadap isu publik, termasuk perdebatan mengenai penerima beasiswa LPDP luar negeri yang tidak kembali ke Indonesia. Penelitian ini bertujuan mengklasifikasikan pandangan publik di Twitter (X) dan portal berita Detik.com menggunakan algoritma Support Vector Machine (SVM) multiclass One-vs-Rest (OvR) berbasis pembobotan TF-IDF. Data dikumpulkan dari periode 2022–2025 melalui crawling dan web scraping, kemudian diproses melalui tahapan CRISP-DM. Hasil penelitian menunjukkan bahwa performa model mengalami peningkatan akurasi dari 70,83% pada periode 2022–2023 menjadi 75,52% pada periode 2024–2025. Model menunjukkan kinerja optimal dalam mendeteksi sentimen negatif, sementara sentimen positif terklasifikasi pada tingkat yang cukup baik, dan sentimen netral masih sulit diidentifikasi secara akurat. Peningkatan akurasi ini mengindikasikan bahwa model semakin mampu mengenali pola sentimen seiring bertambahnya jumlah data. Analisis distribusi sentimen juga memperlihatkan dinamika perubahan opini publik antara kedua periode, dengan intensitas perdebatan yang semakin meningkat, terutama setelah adanya kebijakan baru terkait fleksibilitas alumni LPDP.
Downloads
References
Abdulahi Jimale Said, and Abdihakin Mohamud Ismail. 2025. “Trends in Natural Language Processing for Text Classification: A Comprehensive Survey.” International Journal of Science and Research Archive 14(2):1540–47. doi: 10.30574/ijsra.2025.14.2.0518.
Akbar, Imannudin, and Marwondo M. Iqbal. 2023. “Optimasi Algoritma Support Vector Machine Untuk Analisis Klasifikasi Teks Pemintaan Informasi Di Platform Online Shop.” Jurnal Accounting Information System (AIMS 6(2):119–26. doi: 10.32627.
Alif, Muhammad, Iman Aulia, and Yulia Ery Kurniawati. 2022. Pengembangan Model Klasifikasi Dokumen Artikel Teks Berita Olahraga Dan Bukan Olahraga Dalam Bahasa Indonesia Menggunakan Algoritma Support Vector Machine. Vol. 8.
Aulia, R. & Kurniawati, L. 2022. “Pengembangan Model Klasifikasi Dokumen Artikel Teks Berita Olahraga dan Bukan Olahraga dalam Bahasa Indonesia Menggunakan Algoritma Support Vector Machine.” Jurnal Nasional Teknik Informatika.
Dasriani, Ni Gusti Ayu, Lalu Ahmad Gede Pariandi, and I Made Yadi Dharma. 2024. “Analisis Sentimen Program Jaminan Kesehatan Nasional Menggunakan Multiclass Support Vector Machine.” BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer 6(1): 20–30.
Delimayanti et al. (2021). Pemanfaatan Multiclass-SVM pada Klasifikasi Pesan Banjir di Twitter.
Fathirachman Mahing, Naufal, Alifi Lazuardi Gunawan, Ahmad Foresta, Azhar Zen, Fitra Abdurrachman Bachtiar, Satrio Agung Wicaksono, Universitas Brawijaya, and Penulis Korespondensi. n.d. “Klasifikasi Tingkat Stres dari Data Berbentuk Teks dengan Menggunakan Algoritma Support Vector Machine (SVM) dan Random Forest.” doi: 10.25126/jtiik2024118010.
Fikri, Muhammad Ramadan, Rahmadya Trias Handayanto, and Dadan Irwan. 2022. “Web Scraping Situs Berita Menggunakan Bahasa Pemograman Python.” Journal of Students‘ Research in Computer Science 3(1): 123–36.
Ginanjar Abdurrahman, and Hardian Oktavianto. 2024. “Klasifikasi Teks Mining Untuk Deteksi Kanker Menggunakan Support Vector Machine.” JUSTIFY : Jurnal Sistem Informasi Ibrahimy 3(1):16–20. doi: 10.35316/justify.v3i1.5028.
Han, Jiawei, Micheline Kamber, and Jian Pei. 2011. Data Mining. Concepts and Techniques, 3rd Edition (The Morgan Kaufmann Series in Data Management Systems).
Herdiyani, Sankist, Cecep Safa’atul Barkah, Lina Auliana, and Iwan Sukoco. 2022. “Peranan Media Sosial Dalam Mengembangkan Suatu Bisnis: Literature Review.” Jurnal Administrasi Bisnis 18(2):103–21. doi: 10.26593/jab.v18i2.5878.103-121.
Hidayat, Saprilian, Herlina Napitupulu, and Nurul Gusriani. n.d. “Penerapan Model Support Vector Machine Pada Kasus Klasifikasi Teks Berdasarkan Tujuan SDGS Ke Tiga, Empat, Dan Enam.”
Khairunnisa, A. & Wibowo, A. 2022. “Analisis Sentimen Twitter Menggunakan Metode SVM dan TF-IDF.” Jurnal Ilmiah Komputer.
Liang, S. 2021. “Comparative Analysis of SVM, XGBoost and Neural Network on Hate Speech Classification”. Jurnal RESTI (Rekayasa Sistem dan Teknologi Informasi), 5(5), 896-903. htttps://doi.org/10.29207/resti.v5i5.3506
Noviyanti, Rejeki, and Dodik Arwin Dermawan. 2022. “Studi Literatur Pengaruh Beasiswa Terhadap Prestasi Belajar Mahasiswa.” Vol. 07
Safitri, Laras, and Winna Widyadhana. “Analisis Struktur Dan Unsur Teks Berita Pada Portal Berita Suara Merdeka Edisi 10 April 2025 Sebagai Alternatif Bahan Ajar Teks Berita Di SMA.” Jurnal Penelitian Nusantara 1: 499–512.
Santosa et al. (2015). Multiclass Classification with Cross Entropy-SVM, Procedia Computer Science.
Sitio, A., Sindar, A., Marbun, M., Tiara, D., & Aswin, A. 2022. “Pengenalan Data Scientiest Pada Peserta PKBM AL HABIB Melalui Belajar Dasar Coding Python.” Jurnal Pengabdian Pada Masyarakat, 7(1), 194-200.
Tanggraeni, Artanti Inez, and Melkior N. N. Sitokdana. 2022. “Analisis Sentimen Aplikasi E-Government Pada Google Play Menggunakan Algoritma Naïve Bayes.” 9(2):785–95.
Vindua, Raditia, and Achmad Udin Zailani. 2023. “Analisis Sentimen Pemilu Indonesia Tahun 2024 Dari Media Sosial Twitter Menggunakan Python.” JURIKOM (Jurnal Riset Komputer) 10(2):479. doi: 10.30865/jurikomv10i2.5945.
Wan, Zhongwei. 2023. “Text Classification: A Perspective of Deep Learning Methods.”
Widyatnyana, K N, I W Rasna, and I B Putrayasa. 2023. 12 Jurnal Pendidikan dan Pembelajaran Bahasa Indonesia Analisis Jenis Dan Makna Pragmatik Ujaran Kebencian Di Dalam Media Sosial Twitter.
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 Muftia Salsabila Nasution, Yani Maulita, Kristina Annatasia Br Sitepu
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
