<![CDATA[Indonesian International Student Mobility Award (IISMA) adalah program Merdeka Belajar Kampus Merdeka (MBKM) yang bertujuan memperluas wawasan dan membangun hubungan internasional bagi mahasiswa Indonesia. Penelitian ini menganalisis sentimen masyarakat terhadap IISMA di platform X menggunakan metode analisis sentimen berbasis Support Vector Machine (SVM) dengan kernel linear, polinomial, dan Radial Basis Function (RBF). Dataset diperoleh melalui web scraping dan diolah menggunakan text mining dengan ekstraksi fitur TF-IDF. Hasil menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen ke dalam tiga kelas yaitu positif, netral, dan negatif, namun kesulitan dalam memprediksi kelas negatif akibat ketidakseimbangan dataset. Kernel RBF memiliki kinerja terbaik dengan precision 70,52% dan akurasi 62,92%, sedangkan kernel linear menghasilkan F1-score tertinggi sebesar 53%, menunjukkan keseimbangan antara precision dan recall. Pengujian kinerja model pada teks berbahasa Indonesia dan Inggris menunjukkan bahwa teks berbahasa Inggris memberikan hasil lebih baik dengan akurasi 71,11% dibandingkan 62,44% pada teks berbahasa Indonesia yang didukung oleh kemampuan TextBlob dalam mengenali pola sentimen bahasa Inggris secara lebih akurat. Hasil ini menggarisbawahi pentingnya strategi khusus untuk meningkatkan kinerja analisis sentimen pada teks berbahasa Indonesia, termasuk pelabelan manual atau penggunaan alat analisis sentimen yang mendukung bahasa tersebut.]]>
Copyrights © 2025
