ANALISIS SENTIMEN PUBLIK PADA MEDIA SOSIAL X TERHADAP PEMBENTUKKAN DANANTARA MENGGUNAKAN METODE SUPPORT VECTOR MACHINE 69 35
DOI:
https://doi.org/10.26623/transformatika.v24i1.14327Kata Kunci:
Analisis Sentimen, Danantara, TF-IDF, Lexicon InSet, Support Vector MachineAbstrak
Pembentukan Danantara di Indonesia menimbulkan berbagai respons masyarakat, sehingga diperlukan analisis sentimen untuk memahami persepsi publik terhadap kebijakan tersebut. Penelitian ini bertujuan untuk menganalisis sentimen publik terkait pembentukan Danantara pada platform X ke dalam kelas sentimen positif, netral, dan negatif. Kebaruan penelitian ini terletak pada perbandingan performa empat kernel Support Vector Machine, yaitu Linear, Polynomial, Radial Basis Function, dan Sigmoid, serta evaluasi sentimen sebelum dan setelah peresmian Danantara. Data diproses melalui tahapan text preprocessing, pelabelan sentimen berbasis InSet Lexicon, pembobotan TF-IDF, serta klasifikasi menggunakan metode SVM. Pengujian dilakukan menggunakan pembagian data 70:30, 80:20, dan 90:10. Hasil penelitian menunjukkan bahwa rasio 90:10 memberikan performa terbaik, dengan Polynomial memperoleh akurasi tertinggi sebesar 91,66%. Selain itu, sentimen publik didominasi oleh kelas negatif sebesar 65,9% dan 60,0% pada periode sebelum dan setelah peresmian Danantara. Hasil ini menunjukkan bahwa SVM terbukti efektif untuk klasifikasi sentimen dan dapat digunakan sebagai evaluasi kebijakan serta strategi komunikasi publik.
Unduhan
Referensi
M. Ratnayani and D. R. Riadi, “ANALISIS REAKSI PASAR SAHAM BUMN TERHADAP PERESMIAN DANANTARA,” Prosiding Seminar Sosial Politik, Bisnis, Akuntansi dan Teknik, vol. 7, pp. 187–199, Oct. 2025, doi: 10.32897/sobat.2025.7.1.5246.
H. T. Lumban Gaol, M. Fadil, A. Fahrieza, A. Fahrezi, and S. Azima, “Analisis Hukum Peran dan Kedudukan Daya Anagata Nusantara (Danantara) Sebagai Badan Sovereign Wealth Fund (SWF) Dalam Mengelola Investasi Masa Depan Bangsa,” Recht Studiosum Law Review, vol. 4, no. 1, pp. 24–36, May 2025, doi: 10.32734/rslr.v4i1.20530.
E. R. Puspapertiwi and I. S. Adhi, “Apa Dampak Langsung Danantara bagi Masyarakat Umum?,” Kompas.com, Feb. 25, 2025. Accessed: May 29, 2026. [Online
D. Arsyanda, S. Rodiah, and A. S. Rohman, “Peran akun autobase X (twitter) dalam memenuhi kebutuhan informasi followers,” Pustaka Karya : Jurnal Ilmiah Ilmu Perpustakaan dan Informasi, vol. 13, no. 1, pp. 233–241, Jun. 2025, doi: 10.18592/pk.v13i1.15927.
B. Febrianto, M. R. Handayani, N. C. H. Wibowo, and K. Umam, “OPINI PUBLIK DI MEDIA X TERHADAP PATRICK KLUIVERT SEBAGAI PELATIH TIMNAS INDONESIA YANG BARU DENGAN METODE NAÏVE BAYES,” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 10, no. 3, pp. 2571–2583, Sep. 2025, doi: 10.29100/jipi.v10i3.8145.
A. A. Abdillah, “SUPPORT VECTOR MACHINES UNTUK MENYELESAIKAN MASALAH KLASIFIKASI PADA PENGENALAN POLA,” Jurnal Poli-Teknologi, vol. 18, no. 2, Jul. 2019, doi: 10.32722/pt.v18i2.1432.
M. K. Delimayanti, R. Sari, M. Laya, M. R. Faisal, and P. Pahrul, “Pemanfaatan Metode Multiclass-SVM pada Model Klasifikasi Pesan Bencana Banjir di Twitter,” Edu Komputika Journal, vol. 8, no. 1, pp. 39–47, Jun. 2021, doi: 10.15294/edukomputika.v8i1.47858.
N. G. A. Dasriani, L. A. G. Pariandi, and I. M. Y. Dharma, “Analisis Sentimen Program Jaminan Kesehatan Nasional Menggunakan Multiclass Support Vector Machine,” BIOS : Jurnal Teknologi Informasi dan Rekayasa Komputer, vol. 6, no. 1, pp. 20–30, Nov. 2024, doi: 10.37148/bios.v6i1.136.
T. M. Permata Aulia, N. Arifin, and R. Mayasari, “PERBANDINGAN KERNEL SUPPORT VECTOR MACHINE (SVM) DALAM PENERAPAN ANALISIS SENTIMEN VAKSINISASI COVID-19,” SINTECH (Science and Information Technology) Journal, vol. 4, no. 2, pp. 139–145, Oct. 2021, doi: 10.31598/sintechjournal.v4i2.762.
S. Styawati, N. Hendrastuty, and A. R. Isnain, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 6, no. 3, pp. 150–155, Oct. 2021, doi: 10.30591/jpit.v6i3.2870.
J. Anggraini and D. Alita, “Implementasi Metode SVM Pada Sentimen Analisis Terhadap Pemilihan Presiden (Pilpres) 2024 Di Twitter,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 9, no. 2, pp. 102–111, Aug. 2024, doi: 10.30591/jpit.v9i2.6560.
Y. Ansori and K. F. H. Holle, “Perbandingan Metode Machine Learning dalam Analisis Sentimen Twitter,” Jurnal Sistem dan Teknologi Informasi (JustIN), vol. 10, no. 4, p. 429, Dec. 2022, doi: 10.26418/justin.v10i4.51784.
J. E. Br Sinulingga and H. C. K. Sitorus, “Analisis Sentimen Opini Masyarakat terhadap Film Horor Indonesia Menggunakan Metode SVM dan TF-IDF,” Jurnal Manajemen Informatika (JAMIKA), vol. 14, no. 1, pp. 42–53, Feb. 2024, doi: 10.34010/jamika.v14i1.11946.
A. F. Njurumana, F. Hariadi, and N. B. Uly, “Analisis Sentimen Pengguna X Terkait Danantara Menggunakan Metode Support Vector Machine,” Riau Jurnal Teknik Informatika, vol. 4, no. 2, Jul. 2025, doi: 10.30606/rjti.v4i2.3439.
S. A. Nugraha, “PENERAPAN LEXICON BASED UNTUK ANALISIS SENTIMEN MASYARAKAT INDONESIA TERHADAP DANANTARA,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 3, pp. 4949–4957, May 2025, doi: 10.36040/jati.v9i3.13836.
M. L. Hermanto, F. Fathoni, O. Ardhillah, and A. Ibrahim, “ANALISIS SENTIMEN MASYARAKAT TERHADAP DANANTARA DI PLATFORM X DENGAN METODE SVM,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 4, pp. 6779–6785, May 2025, doi: 10.36040/jati.v9i4.14189.
F. P. Agustinus and M. A. D. Ardiansyah, “Analisis Sentimen Opini Publik terhadap BPI Danantara di Media Sosial X Menggunakan IndoRoBERTa dan SVM,” Seminar Nasional Teknologi & Sains, vol. 5, no. 1, pp. 235–242, Jan. 2026.
M. E. Siregar, S. Dermawan, and A. A. Hisyam, “PERBANDINGAN KINERJA NAIVE BAYES DAN KNN DALAM ANALISIS SENTIMEN KOMENTAR X DENGAN DAN TANPA TEXT PREPROCESSING (STUDI KASUS: DANANTARA),” Jurnal Informatika dan Teknik Elektro Terapan, vol. 13, no. 3, Jul. 2025, doi: 10.23960/jitet.v13i3.6612.
Z. A. Fernando, Rumini, and T. Susanto, “Public Sentiment Analysis on the Launch of Danantara Using Support Vector Machine (SVM) Algorithm,” Journal of Artificial Intelligence and Software Engineering, vol. 5, no. 4, pp. 1425–1433, Dec. 2025.
Welda, A. S. Kusuma, and I. P. R. L. Putra, “Sentiment Analysis of Public Opinion on Danantara Via Social Media X,” Jurnal Krisnadana (Jurnal Komputer, Sistem Kendali & Jaringan), vol. 5, no. 3, pp. 598–605, May 2026.
A. Y. Pratama, G. A. Sanjaya, N. K. Lubis, M. R. Aditya, and Yennimar, “Analisis Sentimen Publik Terkait Danantara Menggunakan Algoritma IndoBERT pada Platform Media Sosial,” METIK JURNAL, vol. 9, no. 1, pp. 92–100, 2025.
M. Fazri and A. Voutama, “ANALISIS SENTIMEN PUBLIK TERHADAP DANANTARA DI MEDIA SOSIAL X MENGGUNAKAN NLP DAN PEMBELAJARAN MESIN,” JOISIE (Journal Of Information Systems And Informatics Engineering), vol. 9, no. 1, p. 197, Jul. 2025, doi: 10.35145/joisie.v9i1.4924.
S. R. Hakim, M. A. Rizki, N. I. Zekha F, N. Fitri, Y. R. A, and R. Nooraeni, “ANALISIS SENTIMEN PENGGUNA INSTAGRAM TERHADAP KEBIJAKAN KEMDIKBUD MENGENAI BANTUAN KUOTA INTERNET DENGAN METODE SUPPORT VECTOR MACHINE (SVM),” Jurnal MSA ( Matematika dan Statistika serta Aplikasinya ), vol. 8, no. 2, p. 15, Dec. 2020, doi: 10.24252/msa.v8i2.16795.
S. Awaliah, A. N. Ramadini, N. F. Zetti, A. Septiarini, and N. Puspitasari, “Perbandingan Metode Naïve Bayes dan Support Vector Machine dalam Analisis Sentimen Citra Polri berdasarkan Opini pada Platform Twitter/X,” Jurnal Sains Teknologi dan Sistem Informasi, vol. 6, no. 1, pp. 52–59, Apr. 2026.
D. Pratiwi, N. Khoerani, and S. Sari, “Analisis Sentimen Terhadap Kebijakan SubsidiPembelian Kendaraan Bertenaga Listrik Di Indonesia Menggunakan Pendekatan Inset Lexicon dan Metode Support Vector Machine,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 6, pp. 1303–1314, Dec. 2025.
M. F. N. Fathoni, E. Y. Puspaningrum, and A. N. Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem : Jurnal Informatika dan Sains Teknologi., vol. 2, no. 3, pp. 62–76, Jul. 2024, doi: 10.62951/modem.v2i3.112.
F. Koto and G. Y. Rahmaningtyas, “Inset lexicon: Evaluation of a word list for Indonesian sentiment analysis in microblogs,” in 2017 International Conference on Asian Language Processing (IALP), IEEE, Dec. 2017, pp. 391–394. doi: 10.1109/IALP.2017.8300625.
H. Firda, P. Putra, N. R. Oktadini, P. E. Sevtiyuni, and A. Meiriza, “Comparison of Rating-based and Inset Lexicon-based Labeling in Sentiment Analysis using SVM (Case Study: GoBiz Application Reviews on Google Play Store),” SISTEMASI, vol. 14, no. 2, p. 516, Mar. 2025, doi: 10.32520/stmsi.v14i2.4795.
M. F. N. Fathoni, E. Y. Puspaningrum, and A. N. Sihananto, “Perbandingan Performa Labeling Lexicon InSet dan VADER pada Analisa Sentimen Rohingya di Aplikasi X dengan SVM,” Modem : Jurnal Informatika dan Sains Teknologi., vol. 2, no. 3, pp. 62–76, Jul. 2024, doi: 10.62951/modem.v2i3.112.
D. Pratiwi, N. Khoerani, and S. Sari, “Analisis Sentimen Terhadap Kebijakan Subsidi Pembelian Kendaraan Bertenaga Listrik Di Indonesia Menggunakan Pendekatan Inset Lexicon dan Metode Support Vector Machine,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 12, no. 6, pp. 1303–1314, Dec. 2025.
M. S. Al Markas, A. Siska, and L. B. Ilmuwan, “Implementasi Fitur Vector Bag Of Word Dan TF IDF untuk Analisis Sentiment,” LINIER: Literatur Informatika dan Komputer, vol. 2, no. 2, pp. 136–146, Sep. 2025, doi: 10.33096/linier.v2i2.3104.
C. E. Amos Pah and D. N. Utama, “Decision Support Model for Employee Recruitment Using Data Mining Classification,” International Journal of Emerging Trends in Engineering Research, vol. 8, no. 5, pp. 1511–1516, May 2020, doi: 10.30534/ijeter/2020/06852020.
L. Hernando, V. A. Handayani, D. P. Caniago, and N. W. Nasution, “Penerapan data mining dalam analisa profil mahasiswa menggunakan metode support vector machines (SVM),” Jurnal CoSciTech (Computer Science and Information Technology), vol. 4, no. 2, pp. 477–483, Sep. 2023, doi: 10.37859/coscitech.v4i2.5107.
A. Putra G, M. A. Tiro, and M. K. Aidid, “Metode Boostrap dan Jackknife dalam Mengestimasi Parameter Regresi Linear Ganda (Kasus: Data Kemiskinan Kota Makassar Tahun 2017),” VARIANSI: Journal of Statistics and Its application on Teaching and Research, vol. 1, no. 2, p. 32, Jul. 2019, doi: 10.35580/variansiunm12895.
S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, pp. 153–160, Oct. 2023, doi: 10.57152/malcom.v3i2.897.
N. Kamilatutsaniya, E. Daniati, and M. N. Muzaki, “Pemodelan Klasifikasi Popularitas Produk Skincare Menggunakan Support Vector Machine (SVM): Studi Komparatif Kinerja Kernel.,” The Indonesian Journal of Computer Science Research, vol. 4, no. 2, pp. 86–95, Jul. 2025, doi: 10.59095/ijcsr.v4i2.209.
Suyanto, Data Mining Untuk Klasifikasi Dan Klasterisasi Data Edisi Revisi. Bandung: Informatika Bandung, 2019.
N. Nursya’bani, Ruliana, and M. K. Aidid, “APPLICATION OF SVM FOR SENTIMENT ANALYSIS REGARDING THE EFFICIENCY OF APBN AND APBD IN 2025,” Journal of Statistics and Its Application on Teaching and Research, vol. 8, no. 1, pp. 83–95, Apr. 2026.
Badriyah, T. Chamidy, and Suhartono, “Application of SMOTE in Sentiment Analysis of MyXL User Reviews on Google Play Store,” JISKA (Jurnal Informatika Sunan Kalijaga), vol. 10, no. 1, pp. 74–86, Jan. 2025, doi: 10.14421/jiska.2025.10.1.74-86.
I. Frianda Gultom, Sriani, and Suhardi, “Analisis Sentimen Kebijakan Pemberian Subsidi Motor Listrik Menggunakan Metode Support Vector Machine,” JURNAL FASILKOM, vol. 13, no. 3, pp. 511–517, Dec. 2023, doi: 10.37859/jf.v13i3.6225.
A. F. Abdul Fadlil, I. Riadi, and F. Andrianto, “Improving Sentiment Analysis in Digital Marketplaces through SVM Kernel Fine-Tuning,” International Journal of Computing and Digital Systems, vol. 15, no. 1, pp. 159–171, Jul. 2024, doi: 10.12785/ijcds/160113.
Rifqi Fitriadi and Deni Mahdiana, “SYSTEMATIC LITERATURE REVIEW OF THE CLASS IMBALANCE CHALLENGES IN MACHINE LEARNING,” Jurnal Teknik Informatika (Jutif), vol. 4, no. 5, pp. 1099–1107, Oct. 2023, doi: 10.52436/1.jutif.2023.4.5.970.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2026 Aqilah Dz. Tulimau, Emerensye S. Y Pandie, Clarissa Elfira Amos Pah
Artikel ini berlisensi Creative Commons Attribution 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
Transformatika is licensed under a Creative Commons Attribution 4.0 International License.
