Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal JATI (Jurnal Mahasiswa Teknik Informatika)
Akbar Kurniawan, Iqbal
Unknown Affiliation
Computer Science & IT

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

 1 
ANALISIS SENTIMEN PUBLIC TWITTER TERHADAP KEBIJAKAN PEMERINTAH MENGGUNAKAN METODE SVM (STUDI KASUS : PROGRAM EFISIENSI ANGGARAN) Rizka Mumtaz, Fadia; Jodi Pratama, Muhammad; Azmi Zaky, Muhammad; Akbar Kurniawan, Iqbal; Saputra, Eka; Ditha Tania, Ken; Kurnia Sari, Winda
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.13958

Abstract

Kebijakan efisiensi anggaran pemerintah, sebagaimana diamanatkan dalam Instruksi Presiden Nomor 1 Tahun 2025, memicu beragam reaksi publik, terutama di media sosial. Pemotongan anggaran sebesar Rp306,69 triliun menimbulkan kekhawatiran terkait dampaknya terhadap layanan publik dan kesejahteraan masyarakat. Oleh karena itu, penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kebijakan efisiensi anggaran melalui media sosial Twitter dengan menggunakan metode Support Vector Machine (SVM). Data dikumpulkan melalui teknik web scraping pada periode tertentu, kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenisasi, dan stemming. Model SVM diterapkan untuk mengklasifikasikan opini publik menjadi kategori positif, netral, dan negatif. Hasil penelitian menunjukkan bahwa model yang digunakan memiliki akurasi sebesar 96,37%, dengan nilai recall tertinggi pada kelas netral sebesar 1,00, yang mengindikasikan bahwa mayoritas respons publik bersifat netral. Namun, model masih menunjukkan variasi dalam klasifikasi opini positif dan negatif dengan nilai recall masing-masing sebesar 0,99 dan 0,90. Studi ini memberikan wawasan mengenai pola sentimen publik terhadap kebijakan efisiensi anggaran serta dapat menjadi bahan pertimbangan bagi pemerintah dalam mengambil kebijakan yang lebih responsif terhadap opini masyarakat.
ANALISIS SENTIMEN PUBLIC TWITTER TERHADAP KEBIJAKAN PEMERINTAH MENGGUNAKAN METODE SVM (STUDI KASUS : RUU TNI ) Fathoni, Fathoni; Ibrahim, Ali; Rizka Mumtaz, Fadia; Azmi Zaky, Muhammad; Jodi Pratama, Muhammad; Akbar Kurniawan, Iqbal
JATI (Jurnal Mahasiswa Teknik Informatika) Vol. 9 No. 4 (2025): JATI Vol. 9 No. 4
Publisher : Institut Teknologi Nasional Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36040/jati.v9i4.14036

Abstract

Pada 20 Maret 2025, DPR RI mengesahkan RUU TNI menjadi Undang-Undang, yang memicu beragam reaksi publik. Beberapa ketentuan, seperti Pasal 7 ayat (2) huruf b dan Pasal 47 ayat (2), dinilai berpotensi menghidupkan kembali dwifungsi militer dan mengancam prinsip-prinsip demokrasi serta supremasi sipil. Media sosial X (sebelumnya Twitter) menjadi wadah utama masyarakat dalam menyampaikan opini terhadap kebijakan ini. Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap UU TNI menggunakan metode Support Vector Machine (SVM). Sebanyak 1001 cuitan dikumpulkan melalui teknik web scraping, kemudian diproses melalui tahapan preprocessing seperti cleansing, tokenisasi, dan stemming. Model SVM mengklasifikasikan sentimen ke dalam kategori positif, netral, dan negatif, dengan akurasi mencapai 94,66%. Hasil evaluasi menunjukkan recall tertinggi pada sentimen netral (1,00), diikuti oleh positif (0,98) dan negatif (0,88). Temuan ini mengindikasikan dominasi sentimen negatif dan netral dalam respon publik, sekaligus menjadi masukan penting bagi pemerintah dalam merumuskan kebijakan yang lebih partisipatif dan demokratis
Co-Authors Ali Ibrahim Azmi Zaky, Muhammad Eka Saputra Fathoni Fathoni Jodi Pratama, Muhammad Ken Ditha Tania Kurnia Sari, Winda Rizka Mumtaz, Fadia