<![CDATA[Abstrak - Pada aplikasi TikTok banyak sekali kita temukan konten – konten atau postingan video mengenai berita yang sedang viral di Indonesia terutama berita mengenai kekerasan seksual. Pada postingan tentang kekerasan seksual tersebut tidak jarang kita jumpai komentar para masyarakat atau netizen Indonesia yang mengacu pada korban. Tujuan penelitian dilakukan untuk mengidentifikasi pola pendapat atau reaksi yang diberikan oleh pengguna TikTok terhadap tindakan kekerasan seksual dalam komentar pada postingan video menggunakan Metode Support Vector Machine (SVM). Dalam penelitian ini, metode svm yang dikembangkan mencapai akurasi sebesar 79%, hal ini menunjukkan bahwa metode svm yang telah dilatih mampu melakukan klasifikasi sentimen dengan baik pada data uji. Dengan hasil yang didapatkan pada penelitian yang dilakukan menunjukkan bahwa hasil analisis sentimen negatif sekitar 43.6% lebih rendah dibandingkan dengan komentar positif yaitu sekitar 56.4%, selain itu metode svm dapat melakukan analisis sentimen terhadap komentar kekerasan seksual dengan hasil akurasi 79%. Hasil penelitian menunjukkan akurasi metode svm 79%, analisis menunjukkan bahwa 56.4% komentar bersifat positif. hal ini menunjukkan bahwa 56.4% mayoritas pengguna TikTok cenderung memberikan komentar yang mendukung dan empati terhadap korban yang mengalami kekerasan seksual.Kata kunci: kekerasan seksual, sentimen analisis, support vector machine (svm), tiktok. Abstract - On the TikTok application, we often find content or video posts about news that is currently viral in Indonesia, especially news about sexual violence. In posts about sexual violence, we often find comments from the Indonesian public or netizens referring to the victim. The purpose of this study was to identify patterns of opinion or reactions given by TikTok users to acts of sexual violence in comments on video posts using the Support Vector Machine (SVM) Method. In this study, the svm method developed achieved an accuracy of 79%, this shows that the trained svm method is able to classify sentiment well on the test data. The results obtained in the study showed that the results of the negative sentiment analysis were around 43.6% lower than positive comments, which were around 56.4%, in addition the svm method can analyze sentiment on comments about sexual violence with an accuracy of 79%. The results of the study showed that the accuracy of the svm method was 79%, the analysis showed that 56.4% of the comments were positive. This shows that 56.4% of the majority of TikTok users tend to provide comments that support and empathize with victims who experience sexual violence.Keywords: sexual violence, sentiment analysis, support vector machine (SVM), TikTok.]]>
Copyrights © 2025
