Luqman Abdulmajid
Universitas Bina Sarana Informatika

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

Found 1 Documents
Search

Analisis Sentimen Pengguna Platform X terhadap Kasus Amsal Christy Sitepu Menggunakan Algoritma SVM Luqman Abdulmajid; Fuad Nur Hasan; Lestari Yusuf
sudo Jurnal Teknik Informatika Vol. 5 No. 3 (2026): Edisi September
Publisher : Ilmu Bersama Center

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.56211/sudo.v5i3.1930

Abstract

Media sosial X menjadi wadah penting bagi masyarakat untuk merespons kasus hukum Amsal Christy Sitepu, seorang videografer yang dituduh melakukan markup dana proyek video profil desa di Kabupaten Karo, namun akhirnya divonis bebas murni. Banyaknya opini terkait persinggungan antara hukum pidana dan industri kreatif ini memicu perdebatan publik secara masif. Penelitian ini bertujuan untuk menganalisis distribusi sentimen publik (positif dan negatif) serta menguji efektivitas algoritma Support Vector Machine (SVM) yang dipadukan dengan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) dalam memproses teks opini tersebut. Data dikumpulkan menggunakan teknik scraping yang menghasilkan 3.104 cuitan mentah. Setelah melalui tahapan preprocessing dan penghapusan 215 data kelas netral, tersisa 2.889 data final yang dianalisis. Berdasarkan hasil pengujian, opini publik sedikit lebih didominasi oleh sentimen negatif sebanyak 1.526 data (52,82%), dibandingkan sentimen positif sebanyak 1.363 data (47,17%). Pengujian efektivitas algoritma SVM dengan skenario hold-out split 80:20 menghasilkan tingkat Akurasi 87,37%, Presisi 84,24%, Recall 90,10%, dan F1-Score 86,89%. Kinerja ini divalidasi lebih lanjut menggunakan 10-Fold Cross-Validation yang membuktikan stabilitas model dengan rata-rata akurasi mencapai 88,06%. Hasil penelitian ini menyimpulkan bahwa algoritma SVM memiliki kinerja yang andal, konsisten, dan terhindar dari overfitting dalam mengklasifikasikan sentimen berbahasa Indonesia pada dataset kasus hukum di media sosial.