Analisis Sentimen Pengguna Platform X terhadap Kasus Amsal Christy Sitepu Menggunakan Algoritma SVM
DOI:
https://doi.org/10.56211/sudo.v5i3.1930Keywords:
Analisis Sentimen; Opini Publik; Media Sosial X; Support Vector Machine; TF-IDF
Abstract
Media sosial X menjadi wadah penting bagi masyarakat untuk merespons kasus hukum Amsal Christy Sitepu, seorang videografer yang dituduh melakukan markup dana proyek video profil desa di Kabupaten Karo, namun akhirnya divonis bebas murni. Banyaknya opini terkait persinggungan antara hukum pidana dan industri kreatif ini memicu perdebatan publik secara masif. Penelitian ini bertujuan untuk menganalisis distribusi sentimen publik (positif dan negatif) serta menguji efektivitas algoritma Support Vector Machine (SVM) yang dipadukan dengan ekstraksi fitur Term Frequency-Inverse Document Frequency (TF-IDF) dalam memproses teks opini tersebut. Data dikumpulkan menggunakan teknik scraping yang menghasilkan 3.104 cuitan mentah. Setelah melalui tahapan preprocessing dan penghapusan 215 data kelas netral, tersisa 2.889 data final yang dianalisis. Berdasarkan hasil pengujian, opini publik sedikit lebih didominasi oleh sentimen negatif sebanyak 1.526 data (52,82%), dibandingkan sentimen positif sebanyak 1.363 data (47,17%). Pengujian efektivitas algoritma SVM dengan skenario hold-out split 80:20 menghasilkan tingkat Akurasi 87,37%, Presisi 84,24%, Recall 90,10%, dan F1-Score 86,89%. Kinerja ini divalidasi lebih lanjut menggunakan 10-Fold Cross-Validation yang membuktikan stabilitas model dengan rata-rata akurasi mencapai 88,06%. Hasil penelitian ini menyimpulkan bahwa algoritma SVM memiliki kinerja yang andal, konsisten, dan terhindar dari overfitting dalam mengklasifikasikan sentimen berbahasa Indonesia pada dataset kasus hukum di media sosial.
Downloads
References
[1] R. Ramlan, N. Satyahadewi, and W. Andani, “Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM,” Jambura J. Math., vol. 5, no. 2, pp. 431–445, 2023, doi: 10.34312/jjom.v5i2.20860.
[2] F. Chahyadi, A. Uperiati, R. A. I. Pratiwi, and N. Hamid, “Evaluating Lexicon Weighting and Machine Learning Models for Sentiment Classification of Indonesian Mangrove Ecotourism Reviews,” J. Tek. Inform., vol. 6, no. 6, pp. 5679–5698, 2025, doi: 10.52436/1.jutif.2025.6.6.5563.
[3] M. R. A. Yudianto, A. Rahim, P. Sukmasetya, and R. A. Hasani, “Perbandingan Metode Support Vector Machine Dengan Metode Lexicon Dalam Analisis Sentimen Bahasa Indonesia,” J. Teknol. Inf., vol. 6, no. 1, pp. 7–13, 2022, [Online]. Available: https://github.com/fajri91/InSet.
[4] D. Sulaeni, A. I. Purnamasari, I. Ali, R. Kurniawan, and O. Nurdiawan, “Sentiment Analysis of Indomaret Poinku Using Lexicon-Based Labeling with KNN and Random Forest Algorithms,” J. Ilm. Sist. Inf., vol. 5, no. 2, pp. 572–580, 2026, doi: 10.51903/7y6tmz04.
[5] A. Nurkasanah and M. Hayaty, “Feature Extraction using Lexicon on the Emotion Recognition Dataset of Indonesian Text,” Ultim. J. Tek. Inform., vol. 14, no. 1, pp. 20–27, 2022, doi: 10.31937/ti.v14i1.2540.
[6] I. Saputra and K. Adhi, Belajar Text Mining Dalam 24 Jam. Kota Malang: PT Literasi Nusantara Abadi Group, 2021. [Online]. Available: https://ipusnas.perpusnas.go.id/book/40850194-cac0-4362-a079-1263312a301d
[7] N. Ruseno, Digital Marketing Revolution. Kabupaten Indramayu: Adab Indonesia Grup, 2025. [Online]. Available: https://www.google.co.id/books/edition/Digital_Marketing_Revolution/_8CbEQAAQBAJ?hl=id&gbpv=0
[8] A. Fauzi and H. Y. Agus, Analisis Sentimen (Sentiment Analysis). Kabupaten Bantul: CV Bintang Semesta Media, 2024. [Online]. Available: https://ipusnas.perpusnas.go.id/book/28835d5c-4a69-40de-b36a-ea384f68a5a6
[9] Falahah, Algoritma dan pemrograman. Kabupaten Bandung Barat: Remaja Rosdakarya PT, 2023. [Online]. Available: https://ipusnas.perpusnas.go.id/book/1e85a4d8-058a-4ea4-ae20-a9818d2c42ac
[10] S. B. Harahap and Y. Yamasari, “Klasifikasi Tingkat Stres Mahasiswa Menggunakan RMSProp untuk Arsitektur Artificial Neural Network,” J. Informatics Comput. Sci., vol. 5, no. 04, pp. 560–567, 2024, doi: 10.26740/jinacs.v5n04.p560-567.
[11] R. Lumbantoruan et al., MACHINE LEARNING: Konsep, Teknologi, dan Aplikasi. Kota Jambi: PT. Faaslib Serambi Media, 2026. [Online]. Available: https://www.google.co.id/books/edition/MACHINE_LEARNING_Konsep_Teknologi_dan_Ap/5y_BEQAAQBAJ?hl=id&gbpv=0
[12] Uswatun Khasanah, “Analisis sentimen terhadap tempat wisata menggunakan metode naïve bayes classifier dan support vector machine,” pp. 1–112, 2023.
[13] S. A. S. Mola, R. V. K. I. O. Roma, and T. Widiastuti, Text Mining Analisis Sentimen dengan Lexicon. Bandung: Kaizen Media Publishing, 2025. [Online]. Available: https://bookshop.kaizenpublisher.co.id/users/ebook-view/111
[14] A. M. Priyatno, Deteksi Akun Spammer Pada Twitter Menggunakan Machine Learning. Kabupaten Banyumas: PT. Pena Persada Kerta Utama, 2025. [Online]. Available: https://ipusnas.perpusnas.go.id/book/c808649f-ee4a-4c7c-9b16-21cbc60bb478
[15] F. A. Wenando et al., “Jurnal Computer Science and Information Technology ( CoSciTech ) Analyzing Public Sentiment on the Brigadier J Shooting Case Using the Naïve Bayes Classifier Algorithm,” vol. 4, no. 2, pp. 484–490, 2023.
[16] A. Achmad and F. Budiman, “Optimizing Feature Extraction for Naïve Bayes Sentiment Analysis,” J. Appl. Informatics Comput., vol. 10, no. 1, pp. 619–629, 2026, doi: 10.30871/jaic.v10i1.12041.
[17] Shelomita Putrinda Culio and Luh Gede Astuti, “Analisis Sentimen Ulasan Aplikasi RedBus Menggunakan Metode SVM dan AdaBoost,” J. Nas. Teknol. Inf. dan Apl., vol. 2, no. 3, pp. 639–648, 2024, doi: 10.24843/jnatia.2024.v02.i03.p24.
[18] I. Elwanda Putra, A. Asriyanik, and F. Frazna Azzahra, “Pemanfaatan Multinomial Naive Bayes Untuk Analisis Sentimen Ulasan Aplikasi Mobile Jkn,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 2, pp. 3283–3291, 2025, doi: 10.36040/jati.v9i2.13311.
Downloads
Article History
Pages: 297-310
How to Cite
Issue
Section
License
Copyright (c) 2026 Luqman Abdulmajid, Fuad Nur Hasan, Lestari Yusuf

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Penulis yang mempublikasikan naskahnya pada sudo Jurnal Teknik Informatika menyetujui ketentuan berikut:
Hak cipta atas artikel apapun dalam sudo Jurnal Teknik Informatika dipegang penuh oleh penulisnya di bawah lisensi Creative Commons Attribution-ShareAlike 4.0 International License. dengan beberapa ketentuan sebagai berikut:
"Penulis mengakui bahwa sudo Jurnal Teknik Informatika berhak sebagai yang mempublikasikan pertama kali dengan lisensi Creative Commons Attribution-ShareAlike 4.0 International License / CC BY SA 4.0"
"Penulis dapat memasukan tulisan secara terpisah, mengatur distribusi non-ekskulif dari naskah yang telah terbit di jurnal ini ke dalam versi yang lain (misal: dikirim ke respository institusi penulis, publikasi ke dalam buku, dll), dengan mengakui bahwa naskah telah terbit pertama kali pada sudo Jurnal Teknik Informatika."
"Pembaca diperbolehkan mengunduh, menggunakan, dan mengadopsi isi artikel selama mengutip artikel dengan menyebutkan judul, penulis, dan nama jurnal ini. Pengutipan tersebut dilakukan demi kemajuan ilmu pengetahuan dan kemanusiaan serta tidak boleh melanggar hukum yang berlaku."
Most read articles by the same author(s)
- Muhammad Nouval, Fanza Maulana Habibi, Anisya Rahmi, Muhammad Dawam Amru Bittaqwa, Rizki Agustianto, Fuad Nur Hasan, Analisis Sentimen Ulasan Aplikasi Maxim di Google Play Store Menggunakan Algoritma Support Vector Machine , sudo Jurnal Teknik Informatika: Vol. 4 No. 4 (2025): Edisi Desember
- Muhammad Aqshal Anindya Tratama, Fadli Santoso Murmita, Dimas Arsya Maulana, Cindy Renata, Raras Ailsa, Fuad Nur Hasan, Analisis Sentimen Keefektifan Belajar Bahasa Asing di Aplikasi Duolingo dengan Algoritma Naïve Bayes , sudo Jurnal Teknik Informatika: Vol. 5 No. 1 (2026): Edisi Maret









