Analisis Sentimen Masyarakat terhadap Kenaikan Harga Bahan Bakar Minyak Menggunakan Support Vector Machine dan SMOTE
Abstract Views: 387
PDF Downloads: 362
DOI:
https://doi.org/10.56211/sudo.v4i2.908Keywords:
Analisis Sentimen; Kenaikan Harga BBM; Klasifikasi Sentimen; SMOTE; Support Vector Machine (SVM
Abstract
Tujuan dari penelitian ini adalah untuk mengidentifikasi sentimen masyarakat terkait dengan kenaikan harga Bahan Bakar Minyak (BBM) menggunakan teknik Support Vector Machine (SVM). Data yang digunakan diambil dari komentar-komentar pada video YouTube mengenai topik ini, dengan total 462 komentar. Data tersebut kemudian melalui proses pembersihan, yang meliputi pengubahan huruf menjadi kecil, pemecahan teks menjadi token, penghapusan kata-kata tidak penting, dan pengembalian kata ke bentuk dasarnya. Mengingat adanya ketidakseimbangan antara sentimen positif dan negatif, teknik Synthetic Minority Oversampling Technique (SMOTE) digunakan untuk menyeimbangkan kedua kelas sentimen. Hasil analisis menunjukkan bahwa model SVM berhasil mengklasifikasikan sentimen negatif dengan tingkat akurasi 94%, namun kurang efektif dalam mengidentifikasi sentimen positif yang hanya mencapai 38%. Setelah penerapan SMOTE, akurasi keseluruhan model meningkat menjadi 84%. Secara keseluruhan, penelitian ini menunjukkan bahwa SVM yang dipadukan dengan SMOTE dapat memberikan hasil yang memadai dalam menganalisis sentimen publik mengenai isu kenaikan harga BBM, meskipun sentimen negatif lebih dominan. Hasil ini juga menggarisbawahi pentingnya penyeimbangan data dalam meningkatkan efektivitas model klasifikasi.
Downloads
References
P. Laksana, Ensiklopedia Bahan Bakar Minyak. Alprin, 2020. [Online]. Available: https://books.google.co.id/books?id=ATP-DwAAQBAJ
Badan Pusat Statistik Provinsi Jambi, “Harga BBM Terbang, Rakyat Tumbang.” [Online]. Available: https://jambi.bps.go.id/id/news/2022/09/06/306/harga-bbm-terbang--rakyat-tumbang.html
R. Md, R. D. Restiyan, and H. Irsyad, “Analisis Sentimen Masyarakat terhadap Perilaku Lawan Arah yang diunggah pada Media Sosial Youtube Menggunakan Naïve Bayes,” BANDWIDTH J. Informatics Comput. Eng., vol. 02, no. 02, pp. 75–83, 2024. DOI: https://doi.org/10.53769/bandwidth.v2i2.706
Dhina Nur Fitriana and Yuliant Sibaroni, “Sentiment Analysis on KAI Twitter Post Using Multiclass Support Vector Machine (SVM),” J. RESTI (Rekayasa Sist. dan Teknol. Informasi), vol. 4, no. 5, pp. 846–853, 2020, doi: 10.29207/resti.v4i5.2231. DOI: https://doi.org/10.29207/resti.v4i5.2231
H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021, doi: 10.34148/teknika.v10i1.311. DOI: https://doi.org/10.34148/teknika.v10i1.311
L. Imanuela Mustamu and Y. Sibaroni, “Fuel Increase Sentiment Analysis Using Support Vector Machine With Particle Swarm Optimization and Genetic Algorithm As Feature Selection,” J. Tek. Inform., vol. 4, no. 3, pp. 521–528, 2023, doi: 10.52436/1.jutif.2023.4.3.881. DOI: https://doi.org/10.52436/1.jutif.2023.4.3.881
S. A. S. Mola, S. N. R. Djawa, and A. Y. Mauko, Text Mining: Analisis Sentimen dengan Naïve Bayes. Kaizen Media Publishing, 2025. [Online]. Available: https://books.google.co.id/books?id=qrxNEQAAQBAJ
Z. Zakaria, K. Kusrini, and D. Ariatmanto, “Sentiment Analysis to Measure Public Trust in the Government Due to the Increase in Fuel Prices Using Naive Bayes and Support Vector Machine,” Int. J. Artif. Intell. Robot., vol. 5, no. 2, pp. 54–62, 2023, doi: 10.25139/ijair.v5i2.7167. DOI: https://doi.org/10.25139/ijair.v5i2.7167
B. L. Supriyatna and F. P. Putri, “Optimized support vector machine for sentiment analysis of game reviews,” Int. J. Informatics Commun. Technol., vol. 13, no. 3, pp. 344–353, 2024, doi: 10.11591/ijict.v13i3.pp344-353. DOI: https://doi.org/10.11591/ijict.v13i3.pp344-353
M. Bansal, A. Goyal, and A. Choudhary, “A comparative analysis of K-Nearest Neighbor, Genetic, Support Vector Machine, Decision Tree, and Long Short Term Memory algorithms in machine learning,” Decis. Anal. J., vol. 3, no. November 2021, p. 100071, 2022, doi: 10.1016/j.dajour.2022.100071. DOI: https://doi.org/10.1016/j.dajour.2022.100071
T. Adugna, W. Xu, and J. Fan, “Comparison of Random Forest and Support Vector Machine Classifiers for Regional Land Cover Mapping Using Coarse Resolution FY-3C Images,” Remote Sens., vol. 14, no. 3, pp. 1–22, 2022, doi: 10.3390/rs14030574. DOI: https://doi.org/10.3390/rs14030574
Y. Ardilla et al., DATA MINING DAN APLIKASINYA. Penerbit Widina, 2021. [Online]. Available: https://books.google.co.id/books?id=53FXEAAAQBAJ
Downloads
Article History
Pages: 50-56
How to Cite
Issue
Section
License
Copyright (c) 2025 Adikara Alif Nurrahman, Muhammad Mauladi, Abdul Rahman
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."
