TY  - THES
M1  - masters
KW  - Analisis sentimen
KW  -  Omnibus Law
KW  -  Twitter
KW  -  Machine learning
KW  -  SVM
KW  -  TFIDF
KW  - 
Resampling
KW  -  Sentiment analysis
UR  - https://eprints.amikom.ac.id/id/eprint/31780/
AV  - public
Y1  - 2025/12/01/
ID  - universitasamikomyogyakarta31780
N2  - Omnibus law atau undang-undang cipta kerja telah menjadi topik
perdebatan publik yang intens di indonesia sejak disahkan pada tahun 2020.
Penelitian ini bertujuan untuk menganalisis sentimen masyarakat indonesia
terhadap omnibus law melalui data twitter dengan menggunakan pendekatan
machine learning. Dataset penelitian terdiri dari 20.000 tweet mentah yang
dikumpulkan dari periode 20 juli 2020 hingga 14 april 2023, menghasilkan 17.184
tweet valid setelah penyaringan. Data melalui preprocessing intensif meliputi case
folding, cleaning, normalisasi, tokenisasi, stopword removal, dan stemming,
dengan reduksi 38,5% menjadi 81.705 kata unik. Pelabelan sentimen menggunakan
lexicon-based menghasilkan distribusi 60,02% negatif dan 39,98% positif. 
Penelitian mengimplementasikan tiga algoritma: support vector machine
(svm), random forest, dan multinomial naïve bayes, dengan teknik resampling rus,
ros, dan smote. Ekstraksi fitur menggunakan tf-idf dengan feature selection
mereduksi dimensi dari 18.247 menjadi 7.500 fitur (58%). Hasil menunjukkan svm
dengan rus menghasilkan performa terbaik: akurasi 97,65%, precision 97,59%,
recall 97,45%, f1-score 97,52%, dan auc-roc 0,9929. Random forest mencapai
96,17% dan multinomial naïve bayes 94,76%. Analisis temporal mengungkapkan
sentimen negatif puncak 78% pada oktober 2020 dengan kata kunci "tolak",
"buruh", "demo", dan "phk". Penelitian memberikan kontribusi metodologis berupa
kerangka kerja analisis sentimen kebijakan publik berbahasa indonesia dan secara
praktis menyediakan alat monitoring opini publik real-time.
PB  - Universitas AMIKOM Yogyakarta
A1  - Syafutra, Arif Dwi
TI  - ANALISIS SENTIMEN TENTANG OMNIBUS LAW DI TWITTER
DENGAN MACHINE LEARNING
ER  -