Perbandingan Kinerja Support Vector Machine dan IndoBERT dalam Analisis Sentimen Publik terhadap Kebijakan Efisiensi Anggaran Pemerintah Tahun 2025 di Media Sosial X

Purba, Theresia Anggreni (2026) Perbandingan Kinerja Support Vector Machine dan IndoBERT dalam Analisis Sentimen Publik terhadap Kebijakan Efisiensi Anggaran Pemerintah Tahun 2025 di Media Sosial X. Tugas Akhir (S1) - thesis, Universitas Bakrie.

	Text (Cover) 00.Cover.pdf - Accepted Version Download (651kB)
	Text (BAB 1 - 3) 01.BAB I - III.pdf - Accepted Version Restricted to Registered users only Download (753kB) | Request a copy
	Text (BAB 4) 02.BAB IV.pdf - Accepted Version Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB 5) 03.BAB V.pdf - Accepted Version Restricted to Registered users only Download (291kB) | Request a copy
	Text (Daftar Pustaka) 04.DAFTAR PUSTAKA.pdf - Accepted Version Download (268kB)
	Text (Lampiran) 05.LAMPIRAN.pdf - Accepted Version Restricted to Registered users only Download (245kB) | Request a copy

Abstract

Kebijakan efisiensi anggaran pemerintah tahun 2025 menjadi salah satu isu yang banyak diperbincangkan di media sosial X. Berbagai tanggapan masyarakat mencerminkan opini positif, netral, maupun negatif, sehingga diperlukan analisis sentimen untuk mengetahui kecenderungan opini publik. Penelitian ini bertujuan membandingkan kinerja metode Support Vector Machine (SVM) dan IndoBERT dalam mengklasifikasikan sentimen publik terhadap kebijakan tersebut. Data diperoleh melalui crawling menggunakan TweetHarvest pada 22 Januari hingga 31 Maret 2025, dengan dataset akhir sebanyak 4.345 cuitan berbahasa Indonesia. Data tersebut kemudian melalui tahapan text preprocessing lalu diberi label menggunakan InSet Lexicon dan divalidasi secara manual terhadap 10% data yang dipilih secara acak sebelum dibagi dengan perbandingan 80:20. SVM menggunakan TF-IDF dengan Linear Kernel, sedangkan IndoBERT menggunakan model pre-trainedindobenchmark/indobert-base-p1 melalui fine-tuning. Hasil penelitian menunjukkan sentimen negatif mendominasi sebesar 83,41%. IndoBERT memperoleh kinerja lebih baik dengan accuracy sebesar 82,14% dan macro F1-score0,5687, sedangkan SVM yang memperoleh accuracy 75,49% dan macro F1-score0,4786. Eksperimen ulang menggunakan data yang diseimbangkan menegaskan keunggulan tersebut, dengan IndoBERT memperoleh accuracy 58,49% dan macro F1-score 0,5814 dibandingkan SVM yang memperoleh accuracy 49,69% dan macro F1-score 0,4949. Dengan demikian, IndoBERT terbukti lebih efektif dibandingkan SVM dalam melakukan klasifikasi sentimen terkait kebijakan efisiensi anggaran pemerintah tahun 2025.

Item Type:	Thesis (Tugas Akhir (S1) - )
Uncontrolled Keywords:	Analisis Sentimen, Media Sosial X, Support Vector Machine, IndoBERT, InSet Lexicon, TF-IDF.
Subjects:	Computer Science > Artificial intelligence (Kecerdasan buatan) Computer Science > Data mining (Penggalian data) Thesis > Thesis (S1)
Divisions:	Fakultas Teknik dan Ilmu Komputer > Program Studi Informatika
Depositing User:	Theresia Anggreni Purba
Date Deposited:	22 Sep 2026 05:29
Last Modified:	22 Sep 2026 05:29
URI:	https://repository.bakrie.ac.id/id/eprint/15064

Actions (login required)

View Item