Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Indonesian Journal of Multidisciplinary Scientific Studies
Villa Dea Ardinata
Universitas Muhammadiyah Sumatera Utara
Economics, Econometrics & Finance Education Mathematics Social Sciences Other

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

Found 1 Documents
Search

 1 
Analisis Sentimen Berita Skandal Korupsi pada Media Sosial X Menggunakan Metode Linear Support Vector Machine Berbasis Android Villa Dea Ardinata; Martiano
Indonesian Journal of Multidisciplinary Scientific Studies Vol 4 No 6 (2026): Edisi Oktober - November 2026
Publisher : Lembaga Penelitian Dan Pengabdian Masyarakat (LPPM) STAI Raudhatul Akmal

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33151/ijomss.v4i6.1134

Abstract

Korupsi merupakan permasalahan serius yang berdampak pada keuangan negara, tatanan sosial, dan kepercayaan publik terhadap institusi pemerintahan. Banyaknya opini masyarakat yang tersebar di media sosial X (sebelumnya Twitter) menjadikan analisis sentimen sebagai pendekatan efektif untuk memahami kecenderungan persepsi publik terhadap berita skandal korupsi. Penelitian ini bertujuan menganalisis sentimen publik menggunakan metode Linear Support Vector Machine (SVM) serta mengimplementasikan hasil analisis ke dalam aplikasi berbasis Android. Tahapan penelitian meliputi scraping data menggunakan ntscraper dan API X, preprocessing (cleansing, case folding, tokenization, normalization, stopword removal, dan stemming), pelabelan sentimen secara manual, pembobotan fitur menggunakan TF-IDF, pembagian data latih dan uji, serta evaluasi model menggunakan confusion matrix dan metrik accuracy, precision, recall, dan F1-Score. Penelitian berhasil mengumpulkan 1.011 tweet terkait skandal korupsi pada periode 1 Mei–15 Agustus 2026. Hasil pengujian menunjukkan model Linear SVM mencapai akurasi 89% pada 203 data uji, dengan weighted precision 89%, weighted recall 89%, dan weighted F1-Score 89%. Temuan ini menunjukkan bahwa Linear SVM efektif mengklasifikasikan sentimen pada teks berdimensi tinggi dan layak diterapkan sebagai dasar pengembangan aplikasi analisis sentimen berbasis Android.
Co-Authors Martiano