Analisis Sentimen Opini Publik terhadap Board of Peace pada Platform X Menggunakan Support Vector Machine

Abstract

Media sosial telah menjadi sarana utama masyarakat dalam menyampaikan opini terhadap berbagai isu, termasuk Board of Peace. Analisis sentimen diperlukan untuk mengidentifikasi kecenderungan persepsi publik secara otomatis sehingga dapat menjadi masukan dalam evaluasi strategi komunikasi. Penelitian ini bertujuan menganalisis sentimen opini publik terhadap Board of Peace pada Platform X menggunakan algoritma Support Vector Machine (SVM). Data penelitian diperoleh melalui proses scraping unggahan pada Platform X menggunakan kata kunci yang berkaitan dengan Board of Peace. Tahapan penelitian meliputi pengumpulan data, pelabelan sentimen ke dalam kategori positif, negatif, dan netral, prapemrosesan teks yang terdiri atas case folding, cleaning, tokenisasi, stopword removal, dan stemming, kemudian ekstraksi fitur menggunakan Term Frequency–Inverse Document Frequency (TF-IDF). Model SVM dievaluasi menggunakan confusion matrix berdasarkan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa model SVM mampu mengklasifikasikan sentimen dengan accuracy sebesar 91,84%, precision 90,76%, recall 91,35%, dan F1-score 91,05%. Sebagian besar opini publik terhadap Board of Peace menunjukkan kecenderungan sentimen positif, sedangkan sentimen negatif lebih banyak berkaitan dengan kritik terhadap implementasi program. Penelitian ini menunjukkan bahwa kombinasi TF-IDF dan SVM efektif untuk analisis sentimen pada data media sosial serta dapat mendukung pengambilan keputusan berbasis opini publik.