<![CDATA[Kebijakan pembatasan subsidi Bahan Bakar Minyak (BBM) yang diterapkan pemerintah Indonesia pada tahun 2024 memicu beragam tanggapan masyarakat di media sosial. Penelitian ini bertujuan untuk menganalisis sentimen pengguna X (Twitter) terhadap kebijakan pemerintah tersebut. Dataset yang digunakan terdiri dari 2.011 tweet yang dikumpulkan melalui teknik scraping pada tweet periode 1 September 2024 hingga 31 Desember 2024. Data tersebut kemudian melalui tahap cleansing, preprocessing dan pelabelan sentimen menggunakan lexicon-based approach untuk mengkategorikan tweet ke dalam tiga kelas sentimen yaitu positif, negatif, dan netral. Selanjutnya, dilakukan ekstraksi fitur menggunakan Term Frequency-Inverse Document Frequency (TF-IDF) Vectorizer dan penyeimbangan data dengan teknik Synthetic Minority Oversampling Technique (SMOTE). Pemodelan dilakukan menggunakan dua algoritma klasifikasi yaitu Support Vector Classifier (SVC) dan Random Forest Classifier (RFC). Penalaan parameter dilakukan dengan memanfaatkan Stratified K-Fold Cross-Validation untuk menjaga keseimbangan distribusi kelas selama proses validasi model. Berdasarkan hasil analisis dataset, mayoritas sentimen yang ditemukan adalah negatif sebesar 59%, diikuti oleh sentimen positif sebesar 31%, dan netral sebesar 10%. Selain itu, penelitian juga menghasilkan temuan bahwa model SVC mencapai akurasi lebih baik dibandingkan model RFC yaitu sebesar 77%, sedangkan RFC memiliki nilai akurasi sebesar 73%. Temuan ini mengindikasikan bahwa SVC lebih efektif dalam mengklasifikasikan sentimen terkait kebijakan pembatasan subsidi BBM. Penelitian ini memberikan juga insight mengenai persepsi masyarakat terhadap kebijakan tersebut, yang dapat menjadi pertimbangan bagi pemerintah dalam merumuskan strategi komunikasi dan implementasi kebijakan yang lebih baik di masa depan.]]>
Copyrights © 2025
