Analisis Klasifikasi Emosi Pengguna Twitter menggunakan Support Vector Machine (Studi Kasus : Opini tentang Pengesahan Rancangan Kitab Undang-Undang Hukum Pidana (RKUHP) Pada Media Sosial Twitter)

Abstract

Pada penelitian ini mengumpulkan data dari media sosial Twitter terkait pengesahan Rancangan Kitab Undang-Undang Hukum Pidana (RKUHP). Data diambil sebanyak 1000 data pada tanggal 4 Desember hingga 8 Desember tahun 2022. RKUHP adalah sebuah legacy pada proses perubahan dari KUHP peninggalan kolonial menjadi suatu hukum nasional yang disesuaikan dengan nilai- nilai yang ada di Indonesia. Proses analisis klasifikasi emosi pada data Twitter menggunakan metode Support Vector Machine (SVM). Pelabelan emosi pada data dilakukan menggunakan metode Lexicon Based. Untuk menangani data yang tidak seimbang digunakan Synthetic Minority Oversampling Technique (SMOTE). Adapun tujuan penelitian ini adalah untuk mengetahui gambaran umum emosi pengguna Twitter terhadap pengesahan RKUHP, seberapa akurat hasil dari klasifikasi emosi menggunakan metode SVM, dan bagaimana prediksi dari model terbaik yang telah didapatkan. Kategori kelas dibagi menjadi tiga yaitu kelas emosi marah, emosi senang, dan ditambah dengan kelas netral. Klasifikasi emosi menggunakan SVM mendapatkan akurasi tertinggi dengan menggunakan kernel Radial Basis Function (RBF) yaitu sebesar 83%. Dimana sebesar 48.8% menampilkan kelas emosi marah yang menolak terhadap pengesahan RKUHP, 46.1% menampilkan kelas emosi senang dengan mendukung pengesahan RKUHP, dan selebihnya 5.1% menampilkan kelas netral dengan adanya pengesahan RKUHP. Hasil prediksi data testing tepat 39 pada kelas emosi marah, 42 kelas emosi senang, dan 2 kelas netral.