<![CDATA[Maraknya penggunaan media sosial membuat masyarakat semakin terbuka menyuarakan tanggapan atas berbagai kejadian, tak terkecuali bencana banjir yang melanda Aceh pada November 2025. Komentar-komentar warganet di platform X berpotensi menjadi sumber data berharga untuk membaca persepsi publik, hanya saja volumenya yang besar dan sifatnya yang tidak terstruktur menuntut adanya teknik pengolahan otomatis. Riset ini disusun untuk mengukur kecenderungan sentimen warganet terhadap bencana banjir Aceh dengan memanfaatkan algoritma Support Vector Machine (SVM) yang dioptimasi menggunakan Particle Swarm Optimization (PSO). Tahapan penelitian dimulai dari penghimpunan data dari platform X sebanyak 15.999 data tweet, dilanjutkan dengan pembersihan data (preprocessing), pemberian label sentimen, pembobotan kata melalui TF-IDF, proses klasifikasi, optimasi parameter menggunakan PSO, hingga evaluasi performa model. Pengukuran performa model dilakukan menggunakan confusion matrix. Dari pengujian yang dilakukan, model SVM tanpa optimasi mencapai tingkat akurasi 70,90% dengan nilai macro average precision sebesar 0,701, macro average recall sebesar 0,553, dan macro average F1-score sebesar 0,536 dalam memilah sentimen ke tiga kategori: positif, negatif, dan netral. Setelah dilakukan optimasi parameter menggunakan PSO, akurasi model meningkat menjadi 76,96%. Temuan ini memberi gambaran tentang bagaimana publik merespons bencana banjir Aceh sekaligus menunjukkan bahwa SVM dan PSO cukup andal digunakan untuk keperluan analisis sentimen semacam ini. ]]>
Copyrights © 2026
