Subekti, Ahmad Aditia (2026) ANALISIS SENTIMEN KOMENTAR MEDIA SOSIAL X TERHADAP KEBIJAKAN KENAIKAN BBM MENGGUNKAN ALGORITMA LOGISTIC REGRESSION. Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (FULLTEXT)
AHMAD ADITIA SUBEKTI_2255201110_Fulltext.pdf - Submitted Version Restricted to Repository staff only Download (4MB) | Request a copy |
|
Text (TURNITIN)
AHMAD ADITIA SUBEKTI_2255201110_TURNITIN.pdf - Submitted Version Restricted to Repository staff only Download (11MB) | Request a copy |
|
Text (ABSTRAK + BAB 1)
AHMAD ADITIA SUBEKTI_2255201110_ABSTRAK + BAB 1.pdf - Submitted Version Download (327kB) |
|
Text (BAB 2)
AHMAD ADITIA SUBEKTI_2255201110_BAB 2.pdf - Submitted Version Download (224kB) |
|
Text (BAB 3)
AHMAD ADITIA SUBEKTI_2255201110_BAB 3.pdf - Submitted Version Restricted to Repository staff only Download (550kB) | Request a copy |
|
Text (BAB 4)
AHMAD ADITIA SUBEKTI_2255201110_BAB 4.pdf - Submitted Version Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (BAB 5)
AHMAD ADITIA SUBEKTI_2255201110_BAB 5.pdf - Submitted Version Download (144kB) |
|
Text (REF + LAMP)
AHMAD ADITIA SUBEKTI_2255201110_Ref+lamp.pdf - Submitted Version Download (241kB) |
Abstract
Kemajuan teknologi informasi dan media sosial telah menjadikan platform X sebagai salah satu saluran yang paling banyak digunakan oleh masyarakat untuk menyampaikan pandangan mereka mengenai berbagai kebijakan pemerintah, termasuk kebijakan terkait kenaikan harga BBM. Banyaknya opini yang dipublikasikan setiap hari menghasilkan kumpulan data yang sangat besar, sehingga diperlukan teknik analisis otomatis untuk mengidentifikasi tren sentimen publik secara efektif. Penelitian ini bertujuan untuk mengkaji sentimen publik terhadap kebijakan kenaikan harga BBM yang diumumkan oleh Menteri Energi dan Sumber Daya Mineral (ESDM), Bahlil Lahadalia, dengan menerapkan algoritma Logistic Regression. Penelitian ini dilakukan berdasarkan kerangka kerja Cross-Industry Standard Process for Data Mining (CRISP-DM). Data dikumpulkan menggunakan teknik web scraping pada platform X melalui layanan Apify, yang diintegrasikan dengan bahasa pemrograman Python. Proses pengumpulan data tersebut menghasilkan total 2.262 cuitan. Selanjutnya, data tersebut melalui beberapa langkah prapemrosesan yaitu, pembersihan, tokenisasi, penghapusan stopword, normalisasi, dan stemming sehingga menghasilkan 1.791 tweet yang layak untuk dianalisis. Data yang telah diproses kemudian dikategorikan ke dalam tiga kelas sentimen: positif, negatif, dan netral. Langkah selanjutnya adalah ekstraksi fitur menggunakan metode Term Frequency Inverse Document Frequency (TF-IDF); dataset tersebut kemudian dibagi menjadi set pelatihan dan set uji dengan perbandingan 80:20. Model Logistic Regression kemudian dievaluasi menggunakan Confusion Matrix, dengan akurasi, precision, recall, dan F1-score sebagai metrik kinerja. Berdasarkan hasil pengujian, 195 titik data diidentifikasi sebagai sentimen positif, 1.358 sebagai sentimen negatif, dan 238 sebagai sentimen netral. Model tersebut mencapai tingkat akurasi sebesar 77,72%, yang menunjukkan bahwa algoritma Logistic Regression cukup efektif dalam mengklasifikasikan sentimen publik. Dominasi sentimen negatif menunjukkan bahwa mayoritas pengguna platform X mengungkapkan respons yang sebagian besar tidak mendukung terhadap kebijakan kenaikan harga bahan bakar. Hasil penelitian ini diharapkan dapat memberikan wawasan bagi pemerintah dalam memahami persepsi publik terhadap kebijakan yang diterapkan serta menjadi acuan bagi penelitian selanjutnya terkait analisis sentimen berbasis pembelajaran mesin.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Pembimbing : Muhammad Husni Rifqo, S.Kom., M.Kom. |
| Uncontrolled Keywords: | Analisis Sentimen, Logistic Regression, Media Sosial X, TF-IDF, Kenaikan Harga BBM. |
| Subjects: | Universitas Muhammadiyah Bengkulu > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Divisions: | 02-Fakultas Teknik > 55201-(S1) Teknik Informatika Subjek Terkait > 02-Fakultas Teknik > 55201-(S1) Teknik Informatika |
| Depositing User: | Mrs Atika Ledia Anggraini |
| Date Deposited: | 29 Aug 2026 06:01 |
| Last Modified: | 29 Aug 2026 06:01 |
| URI: | http://repository.umb.ac.id/id/eprint/3573 |
Actions (login required)
 |
View Item |