Akbar, Andika (2026) ANALISIS SENTIMEN MASYARAKAT TERHADAP INFORMASI BERITA KOMPAS.COM PADA PLATFORM INSTAGRAM MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM). Skripsi (Bachelor) thesis, Universitas Muhammadiyah Bengkulu.
![[img]](http://repository.umb.ac.id/style/images/fileicons/text.png) |
Text (Fulltext)
ANDIKA AKBAR_2255201165_fulltext.pdf Restricted to Repository staff only Download (2MB) | Request a copy |
|
Text (Turnitin)
Andika_Akbar_2255201165_Turnitin.pdf Restricted to Repository staff only Download (9MB) | Request a copy |
|
Text (ABSTRAK+BAB 1)
ANDIKA AKBAR_2255201165_ Abstrak +BAB I.pdf Download (365kB) |
|
Text (BAB 2)
ANDIKA AKBAR_2255201165_BAB 2.pdf Download (409kB) |
|
Text (BAB 3)
ANDIKA AKBAR_2255201165_BAB 3.pdf Restricted to Repository staff only Download (348kB) | Request a copy |
|
Text (BAB 4)
ANDIKA AKBAR_2255201165_BAB 4.pdf Restricted to Repository staff only Download (910kB) | Request a copy |
|
Text (BAB 5)
ANDIKA AKBAR_2255201165_BAB 5.pdf Download (334kB) |
|
Text (Ref +Lamp)
ANDIKA AKBAR_2255201165_Ref+Lamp.pdf Download (152kB) |
Abstract
Pernyataan Menteri Keuangan terkait isu penurunan omzet Warteg yang diunggah melalui akun Instagram @kompascom menuai berbagai respons dan opini publik di ruang digital. Banyaknya komentar dengan penggunaan bahasa yang informal serta campuran bahasa gaul (slang) menyebabkan kesulitan dalam memahami kecenderungan opini masyarakat secara objektif. Penelitian ini bertujuan untuk menganalisis dan mengklasifikasikan sentimen komentar masyarakat menggunakan metode Support Vector Machine (SVM) berbasis pembobotan Term Frequency-Inverse Document Frequency (TF-IDF). Data penelitian sebanyak 2.137 komentar diekstraksi menggunakan teknik web scraping, kemudian melalui tahapan preprocessing (serta penghapusan 54 data kosong/NaN) sehingga menghasilkan 2.083 data bersih. Pengujian awal dengan pendekatan lexicon-based menunjukkan mayoritas publik memberikan respons bernada negatif (69,02%), diikuti netral (19,05%), dan positif (11,93%). Dataset selanjutnya dibagi menjadi 80% data latih (1.666 data) dan 20% data uji (417 data). Hasil evaluasi menunjukkan bahwa model SVM mampu memetakan polarisasi sentimen dengan tingkat akurasi mencapai 82,25%. Performa tertinggi tercatat pada klasifikasi sentimen negatif dengan F1-score sebesar 0,89. Kesalahan klasifikasi pada beberapa data umumnya dipicu oleh ambiguitas kalimat, penggunaan sarkasme, dan ketidakseimbangan data (imbalance dataset). Secara keseluruhan, algoritma SVM terbukti efektif dalam memproses teks informal media sosial dan dapat menjadi representasi objektif dalam memahami dinamika respons masyarakat terhadap isu sosial-ekonomi.
| Item Type: | Thesis (Skripsi (Bachelor)) |
|---|---|
| Additional Information: | Pembimbing : Ujang Juhardi , S.Kom., M.Kom. |
| Uncontrolled Keywords: | Sentiment Analysis, Support Vector Machine, Instagram, Warteg, Public Opinion, TF-IDF. |
| 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: | 27 Aug 2026 05:01 |
| Last Modified: | 27 Aug 2026 05:01 |
| URI: | http://repository.umb.ac.id/id/eprint/3480 |
Actions (login required)
 |
View Item |