Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Jurnal Kajian dan Terapan Matematika
Chintya Wijayanti
Universitas Negeri Yogyakarta
Computer Science & IT Decision Sciences, Operations Research & Management Mathematics

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

Found 1 Documents
Search

 1 
ANALISIS SENTIMEN MASYARAKAT TERHADAP PENERIMA KIPK BERDASARKAN PENGGUNA TWITTER (X) MENGGUNAKAN METODE SVM DAN NAIVE BAYES Chintya Wijayanti; Dhoriva Urwatul Wutsqa
Jurnal Kajian dan Terapan Matematika Vol 12, No 2 (2026): Jurnal Kajian dan Terapan Matematika (Juli)
Publisher : Universitas Negeri Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.21831/jktm.v12i2.28374

Abstract

Media sosial X (Twitter) menjadi salah satu platform yang banyak digunakan masyarakat untuk menyampaikan opini terhadap berbagai kebijakan pemerintah, termasuk program Kartu Indonesia Pintar (KIP-K). penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap penerima KIP-K menggunakan metode Naïve Bayes dan Support Vector Machine (SVM), serta membandingkan performa kedua metode tersebut. Penelitian menggunakan pendekatan kuantitatif dengan metode text mining dan sentiment analysis. Data diperoleh melalui proses crawling tweet menggunakan kata kunci ”KIPK”, ”KIP-K”, ”KIP-Kuliah”, dan ”KIP Kuliah” pada periode 2023-2025. Tahapan preprocessing meliputi case folding, cleaning, normalisasi kata, tokenizing, filtering (stopwords removal), dan stemming. Selanjutnya dilakukan pembobotan TF-IDF dan klasifikasi menggunakan algoritma Naive Bayes dan SVM. Hasil penelitian menunjukkan bahwa sentimen masyarakat terhadap penerima KIP-K didominasi oleh sentimen negatif. Metode Naive Bayes menghasilkan akurasi sebesar 70,3% dan 69,4% pada pembagian dta 80%:20% dan 700%:30%. Sementara itu, metode SVM menghasilkan akurasi sebesar 73,6% dan 72,3% pada pembagian data yang sama. Berdasarkan hasil tersebut, metode SVM memiliki performa lebih baik dibandingkan Naive Bayes dalam klasifikasi sentimen data tweet terkait penerima KIP-K.Kata kunci: analisis sentimen; KIP-K; machine learning; Naïve Bayes; Support Vector Machine.
Co-Authors Dhoriva Urwatul Wutsqa