Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Journal of Artificial Intelligence and Technology Information
Bulan Kirana Subrata
Universitas Mercu Buana
Computer Science & IT Engineering

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : journal of artificial intelligence and technology information

 1 
Analisis Sentimen Masyarakat terhadap Profesionalisme Generasi Z di Dunia Kerja Menggunakan Support Vector Machine (SVM) Bulan Kirana Subrata; Yuwan Jumaryadi; Febryo Ponco Sulistyo; Sarwati Rahayu
Journal of Artificial Intelligence and Technology Information (JAITI) Vol. 4 No. 2 (2026): Volume 4 Number 2 June 2026
Publisher : PT. Tech Cart Press

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.58602/jaiti.v4i2.279

Abstract

Generasi Z yang lahir pada rentang tahun 1997–2012 telah menjadi bagian penting dari angkatan kerja modern. Karakteristik generasi ini yang berbeda dibandingkan generasi sebelumnya sering memunculkan berbagai persepsi dan diskusi terkait profesionalisme di lingkungan kerja, terutama melalui media sosial. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat Indonesia terhadap profesionalisme Generasi Z di dunia kerja berdasarkan data yang diperoleh dari platform X. Dataset penelitian terdiri atas 2.095 tweet yang dikumpulkan melalui proses crawling. Pelabelan sentimen dilakukan menggunakan pendekatan berbasis leksikon yang menghasilkan 1.092 tweet (52,12%) berkategori negatif, 855 tweet (40,81%) berkategori positif, dan 145 tweet (6,92%) berkategori netral. Hasil tersebut menunjukkan bahwa persepsi masyarakat terhadap profesionalisme Generasi Z cenderung didominasi oleh sentimen negatif. Selanjutnya, data diproses melalui tahapan text preprocessing dan ekstraksi fitur menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), kemudian diklasifikasikan menggunakan algoritma Support Vector Machine (SVM) dengan tiga skenario pembagian data, yaitu 70:30, 80:20, dan 90:10. Hasil pengujian menunjukkan bahwa model SVM memperoleh performa terbaik pada rasio pembagian data 90:10 dengan nilai akurasi sebesar 69,52%, presisi 66%, dan recall 70%. Temuan penelitian ini memberikan gambaran empiris mengenai persepsi publik terhadap profesionalisme Generasi Z di dunia kerja serta menunjukkan bahwa SVM mampu digunakan untuk mengklasifikasikan sentimen pada data media sosial dengan tingkat performa yang cukup baik.
Co-Authors Jumaryadi, Yuwan Ponco Sulistyo, Febryo Ponco Sulistyo Sarwati Rahayu