Implementasi Text Mining dan Analisis Sentimen dengan Pendekatan Lexicon Based menggunakan Support Vector Machine (SVM) (Studi Kasus : Data Komentar Instagram Terkait Perpres No.75 Tahun 2024)

Abstract

Pada zaman modern ini, teknologi semakin canggih dan bermanfaat untuk membantu kegiatan manusia sehari-hari. Salah satu teknologi yang cukup populer dikalangan masyarakat Indonesia adalah internet beserta media sosialnya seperti Instagram. Ide, komentar, kritik, pujian, dan saran terhadap suatu topik dapat dengan mudah disampaikan lewat media sosial. Analisis sentiment dilakukan untuk mengetahui kecenderungan tanggapan masyarakat mengenai Peraturan Presiden Nomor 75 Tahun 2024 tentang Percepatan Pembangunan IKN termasuk pada klasifikasi positif, negatif, atau netral. Penelitian ini menerapkan teknik text mining dan analisis sentimen, dimana pendekatan Lexicon-Based digunakan untuk pelabelan data. Setelah itu, klasifikasi dilakukan menggunakan Support Vector Machine (SVM) dengan tujuan utama membandingkan performa berbagai kernel SVM yaitu, kernel linear, RBF, sigmoid, dan polynomial. Hasil penelitian menunjukkan bahwa metode Support Vector Machine dengan kernel Polynomial menghasilkan akurasi tertinggi sebesar 81.79% dalam analisis sentimen, dibandingkan dengan kernel Sigmoid, RBF, dan Linear yang masing-masing mencapai akurasi 81.60%, 81.50%, dan 81.40%.