Analisis Sentimen Pengguna X Terhadap Penetapan UKT di Indonesia Menggunakan Metode Support Vector Machine

Abstract

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 memahami respons publik terhadap suatu isu yang disampaikan melalui media sosial. Salah satu isu yang banyak dibahas di media sosial adalah kebijakan Uang Kuliah Tunggal (UKT) di Indonesia. Penelitian ini bertujuan menganalisis sentimen pengguna aplikasi X terhadap penetapan UKT menggunakan metode Support Vector Machine (SVM). Data dikumpulkan pada tanggal 1 sampai 30 Juni 2025 sebanyak 16.588 tweet. Tahapan penelitian meliputi preprocessing data teks yang terdiri dari cleaning, case folding, normalization, tokenizing, stopword removal, dan stemming. Data dibagi ke dalam tiga skema pembagian data, yaitu 80:20, 70:30, dan 60:40. Data kemudian direpresentasikan dalam bentuk fitur numerik menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Metode SVM diterapkan dengan kernel linier, Radial Basis Function (RBF), polinomial, dan sigmoid, serta dievaluasi menggunakan confusion matrix. Hasil penelitian menunjukkan bahwa tweet terkait penetapan UKT sebagian besar bersifat negatif, diikuti positif, sedangkan netral sedikit. Ekstraksi fitur TF IDF menunjukkan kata <ukt= memiliki bobot tertinggi, yang membantu model SVM membedakan sentimen. Berdasarkan hasil evaluasi, model SVM dengan kernel RBF pada skema pembagian data 80:20 menghasilkan akurasi 85,8%. Analisis menunjukkan bahwa sebagian besar tweet terkait penetapan UKT mengandung sentimen negatif, diikuti sentimen positif, sedangkan tweet dengan sentimen netral jumlahnya sedikit dibandingkan dua kelas lainnya.