ANALISIS SENTIMEN OPINI PUBLIK MENGENAI MELEMAHNYA NILAI TUKAR RUPIAH TERHADAP DOLLAR USA PADA MEDIA SOSIAL X (TWITTER) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Hisyam, Faishal Muhammad (2025) ANALISIS SENTIMEN OPINI PUBLIK MENGENAI MELEMAHNYA NILAI TUKAR RUPIAH TERHADAP DOLLAR USA PADA MEDIA SOSIAL X (TWITTER) MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

	Text (COVER-ABSTRAK) COVER.pdf Download (1MB)
	Text (BAB I) BAB I.pdf Download (279kB)
	Text (BAB II) BAB II.pdf Restricted to Registered users only Download (1MB)
	Text (BAB III) BAB III.pdf Restricted to Registered users only Download (269kB)
	Text (BAB IV) BAB IV.pdf Restricted to Registered users only Download (545kB)
	Text (BAB V) BAB V.pdf Download (83kB)
	Text (DAFTAR PUSTAKA-LAMPIRAN) Daftar Pustaka dan Lampiran.pdf Restricted to Registered users only Download (349kB)
	Text (PUBLIKASI) Publikasi.pdf Restricted to Repository staff only Download (780kB)

Abstract

Penelitian ini menganalisis sentimen opini publik terkait melemahnya nilai tukar Rupiah terhadap Dollar USA menggunakan data media sosial X (Twitter). Data yang dikumpulkan terdiri dari 3.799 tweet berbahasa Indonesia, terbagi menjadi sentimen negatif (66,36%), netral (29,27%), dan positif (4,37%). Proses penelitian meliputi pengumpulan data, pelabelan sentimen, preprocessing teks (cleaning, case folding, stopword removal, stemming, tokenization), ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF), penyeimbangan kelas dengan Synthetic Minority Oversampling Technique (SMOTE), dan klasifikasi menggunakan Support Vector Machine (SVM) berbasis LinearSVC. Pengujian pertama (parameter default + SMOTE) menghasilkan akurasi 0,79 dengan precision, recall, dan F1-score berturut-turut untuk sentimen negatif sebesar 0,83; 0,89; 0,86, netral 0,71; 0,68; 0,70, dan positif 0,22; 0,06; 0,10. Hasil ini menunjukkan performa tinggi pada kelas negatif, moderat pada kelas netral, namun rendah pada kelas positif. Pengujian kedua dengan hyperparameter tuning menggunakan GridSearchCV (optimasi parameter C) menghasilkan akurasi 0,78. Precision, recall, dan F1-score untuk sentimen negatif adalah 0,84; 0,86; 0,85, netral 0,69; 0,71; 0,70, dan positif 0,31; 0,12; 0,17. Meskipun akurasi sedikit menurun, performa pada kelas positif meningkat signifikan (precision naik dari 0,22 ke 0,31 dan F1-score dari 0,10 ke 0,17). Hasil penelitian membuktikan bahwa SVM dengan TF-IDF, SMOTE, dan GridSearchCV dapat meningkatkan sensitivitas terhadap kelas minoritas tanpa mengorbankan performa keseluruhan secara signifikan. Selain itu, hasil analisis menunjukkan mayoritas unggahan netizen di platform X (Twitter) bernuansa negatif. Hal ini sejalan dengan laporan Digital Civility Index (DCI) tahun 2020 yang menempatkan Indonesia pada tingkat kesopanan digital sangat rendah, sehingga mengindikasikan masih dominannya perilaku kurang etis dalam interaksi di media sosial.

Actions (login required)

View Item