Melola Discovery

← Melola Discovery

Open access Journal SINTA 2

Analisis Sentimen Publik Terhadap Aksi Demonstrasi di Indonesia Menggunakan Support Vector Machine Dan Random Forest

Decode: Jurnal Pendidikan Teknologi Informasi · Vol. 3 No. 2 (2023) · pp. 257–267

DOI
10.51454/decode.v3i2.187
ISSN
2775-1813, 2775-2984
Published
2023-06-26
Publisher
Universitas Muhammadiyah Kendari
License
creativecommons.org/licenses/by-sa/4.0/

Abstract

Indonesia adalah sebuah negara demokrasi yang memberikan kebebasan bagi setiap warganya untuk berekspresi dan mengeluarkan pendapat, salah satunya melalui demonstrasi. Namun, kadang kala kebebasan tersebut disalahgunakan oleh pihak-pihak tertentu yang menyebabkan adanya demonstrasi yang diikuti oleh kerusuhan dan aksi anarkis, sehingga menimbulkan berbagai macam kerugian. Penelitian ini bertujuan untuk mengetahui pandangan masyarakat terkait aksi demonstrasi yang terjadi di Indonesia melalui tweets pada media sosial Twitter dengan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Pada penelitian ini terdapat penambahan proses untuk menghilangkan kata-kata yang tidak terdaftar pada Kamus Besar Bahasa Indonesia (KBBI) karena tweets pada media sosial Twitter cenderung lebih banyak menggunakan bahasa gaul atau bahasa yang tidak baku, sehingga penambahan proses ini diharapkan dapat memberikan data bersih yang lebih baik. Klasifikasi pada penelitian ini dibagi menjadi 3 kelas, yaitu positif, negatif, dan netral. Pengujian yang telah dilakukan mendapatkan nilai akurasi paling baik dengan menggunakan algoritma SVM, yaitu sebesar 80,3%. Hasil klasifikasi menunjukkan bahwa sebesar 54,98% atau sekitar 960.519 data merupakan klasifikasi negatif yang diikuti oleh sentimen netral sebanyak 29,15% dan sentimen positif sebesar 15,86%.

Collaboration network of the authors

13 authors · 20 co-authorship links · 2 across different organisations

Hover or tap a name to highlight its co-authors. Double-click to open the author's page.

  • Udayana University
  • Universitas Pendidikan Ganesha
  • Affiliation unknown
  • Different organisations
  • Same organisation
  • Affiliation unknown
  • Thicker line = more joint articles · bigger circle = more articles
Show as table
Co-authorOrganisationJoint articles
Wayan Oger VihikanUdayana University2
Putu Wira BuanaUdayana University2
Komang Sri Yanisa PutriAffiliation unknown1
Nyoman Tri Rahaditya KusumaAffiliation unknown1
Sheila SheviraUdayana University1
Gusti Agung Ayu PutriUdayana University1
I Made Gede Sunia PradnyantaraUniversitas Pendidikan Ganesha1
I Nyoman Prayana TrisnaUdayana University1
Luh Putu Ary PurwanthiUdayana University1
Putu Nanda Arya AdyatmaUdayana University1

Affiliations come from OpenAlex; journal OAI-PMH metadata carries none. Authors without an OpenAlex ID are matched by name, which can merge or split people.

This record comes from Crossref (what the publisher deposited), because the journal's own OAI-PMH endpoint could not be harvested.

Metadata source: Crossref API (cadangan, berdasarkan ISSN) https://api.crossref.org/journals/2775-1813/works, first harvested 26 Oct 2026, last seen 22 Nov 2026.
Metadata as oai_dc, converted from Crossref
<oai_dc:dc xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/"><dc:title>Analisis Sentimen Publik Terhadap Aksi Demonstrasi di Indonesia Menggunakan Support Vector Machine Dan Random Forest</dc:title><dc:creator>Ni Made Tara Okta Adriana</dc:creator><dc:creator>I Made Agus Dwi Suarjaya</dc:creator><dc:creator>Dwi Putra Githa</dc:creator><dc:description>&lt;jats:p&gt;Indonesia adalah sebuah negara demokrasi yang memberikan kebebasan bagi setiap warganya untuk berekspresi dan mengeluarkan pendapat, salah satunya melalui demonstrasi. Namun, kadang kala kebebasan tersebut disalahgunakan oleh pihak-pihak tertentu yang menyebabkan adanya demonstrasi yang diikuti oleh kerusuhan dan aksi anarkis, sehingga menimbulkan berbagai macam kerugian. Penelitian ini bertujuan untuk mengetahui pandangan masyarakat terkait aksi demonstrasi yang terjadi di Indonesia melalui tweets pada media sosial Twitter dengan menggunakan algoritma Support Vector Machine (SVM) dan Random Forest. Pada penelitian ini terdapat penambahan proses untuk menghilangkan kata-kata yang tidak terdaftar pada Kamus Besar Bahasa Indonesia (KBBI) karena tweets pada media sosial Twitter cenderung lebih banyak menggunakan bahasa gaul atau bahasa yang tidak baku, sehingga penambahan proses ini diharapkan dapat memberikan data bersih yang lebih baik. Klasifikasi pada penelitian ini dibagi menjadi 3 kelas, yaitu positif, negatif, dan netral. Pengujian yang telah dilakukan mendapatkan nilai akurasi paling baik dengan menggunakan algoritma SVM, yaitu sebesar 80,3%. Hasil klasifikasi menunjukkan bahwa sebesar 54,98% atau sekitar 960.519 data merupakan klasifikasi negatif yang diikuti oleh sentimen netral sebanyak 29,15% dan sentimen positif sebesar 15,86%.&lt;/jats:p&gt;</dc:description><dc:publisher>Universitas Muhammadiyah Kendari</dc:publisher><dc:date>2023-06-26</dc:date><dc:type>info:eu-repo/semantics/article</dc:type><dc:format>application/pdf</dc:format><dc:identifier>https://doi.org/10.51454/decode.v3i2.187</dc:identifier><dc:identifier>10.51454/decode.v3i2.187</dc:identifier><dc:source>Decode: Jurnal Pendidikan Teknologi Informasi; Vol 3 No 2 (2023); 257-267</dc:source><dc:source>2775-1813</dc:source><dc:source>2775-2984</dc:source><dc:relation>https://journal.umkendari.ac.id/index.php/decode/article/download/187/71</dc:relation><dc:rights>https://creativecommons.org/licenses/by-sa/4.0/</dc:rights></oai_dc:dc>