Analisis Sentimen Opini Publik Terhadap Program Bantuan Subsidi Upah (BSU) Di TikTok Dengan Pendekatan Support Vector Machine (SVM)

Tiara Septya Madiana, Noor Latifah, Fajar Nugraha

Sari


Program Bantuan Subsidi Upah (BSU) merupakan inisiatif pemerintah Indonesia untuk mendukung pekerja berpenghasilan rendah sebagai bentuk perlindungan sosial, khususnya di tengah pemulihan pasca-pandemi. Namun, pelaksanaannya menuai berbagai respons dari masyarakat, terutama yang disampaikan melalui media sosial seperti TikTok. Penelitian ini bertujuan untuk mengembangkan sistem klasifikasi sentimen opini masyarakat terhadap BSU 2025 menggunakan algoritma Support Vector Machine (SVM), guna memperoleh pemetaan persepsi publik secara otomatis dan berbasis data. Data komentar diperoleh melalui proses web scraping dari platform TikTok, kemudian diproses melalui tahapan CRISP-DM yang mencakup business understanding, eksplorasi data, preprocessing (cleaning, tokenizing, stemming, dan lainnya), pelabelan awal menggunakan pendekatan lexicon-based, transformasi fitur dengan metode TF-IDF, serta pemodelan dan evaluasi. Model SVM yang dibangun dievaluasi menggunakan metrik akurasi, precision, recall, dan F1-score. Hasil evaluasi menunjukkan bahwa model memiliki performa tinggi dengan akurasi 91% pada data latih dan 88% pada data uji. Sistem ini berhasil mengklasifikasikan komentar ke dalam tiga kelas sentimen: positif, netral, dan negatif. Dengan hasil tersebut, sistem ini dapat menjadi alat pendukung kebijakan yang membantu pemerintah dalam memahami dan merespons opini masyarakat secara lebih cepat, akurat, dan berbasis bukti.

Kata Kunci


Analisis Sentimen; TikTok; Bantuan Subsidi Upah (BSU); Opini Publik; Support Vector Machine (SVM); Data Mining

Teks Lengkap:

Download PDF

Referensi


Y. B. Widodo, F. Widyahastuti, M. Narji, and S. Sibuea, “Artificial Intelligence for Unstructured Data Processing,” J. Teknol. Inform. dan Komput., vol. 11, no. 1, pp. 202–213, 2025.

M. Iqbal, M. Afdal, and R. Novita, “Implementasi Algoritma Support Vector Machine Untuk Analisa Sentimen Data Ulasan Aplikasi Pinjaman Online di Google Play Store: Implementation of Support Vector Machine Algorithm for Sentiment Analysis of Online Loan Application Review Data on Google Play,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 4, pp. 1244–1252, 2024.

M. A. A. Maldini and S. Andryana, “Analisis Sentimen Ulasan Pengguna Aplikasi Perbankan Menggunakan Algoritma Support Vector Machine Dan Naive Bayes,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 4098–4105, 2025.

M. Jamil, R. Rosihan, and M. S. Hanafi, “Analisis Sentimen Calon Kepala Daerah Maluku Utara dengan Metode CRISP-DM,” bit-Tech, vol. 7, no. 3, pp. 995–1003, 2025.

I. Amelia, F. M. Sarimole, and others, “Analisis Sentimen Tanggapan Pengguna Media Sosial X Terhadap Program Beasiswa KIP-Kuliah dengan Menggunakan Algoritma Support Vector Machine (SVM),” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 3, pp. 2994–3003, 2024.

Z. Purwanti and others, “Pemodelan Text Mining untuk Analisis Sentimen Terhadap Program Makan Siang Gratis di Media Sosial X Menggunakan Algoritma Support Vector Machine (SVM),” J. Indones. Manaj. Inform. Dan Komun., vol. 5, no. 3, pp. 3065–3079, 2024.

F. F. Wati, S. Suleman, and A. E. Widodo, “Analisis Sentimen Ulasan Pengguna Aplikasi Deepseek Menggunakan Algoritma Random Forest Dan Naive Bayes,” CONTEN Comput. Netw. Technol., vol. 5, no. 1, pp. 8–15, 2025.

M. T. Nugraha, N. N. Sulistiyowati, and U. U. Enri, “Analisis Sentimen Ulasan Aplikasi Satu Sehat Pada Google Play Store Menggunakan Naive Bayes Classifier,” JATI (Jurnal Mhs. Tek. Inform., vol. 7, no. 5, pp. 3593–3601, 2023.

S. Suryani and M. Mustakim, “Estimasi Keberhasilan Siswa dalam Pemodelan Data Berbasis Learning Menggunakan Algoritma Support Vector Machine,” Bull. Informatics Data Sci., vol. 1, no. 2, pp. 81–88, 2022.

P. Anggraini and W. Winarsih, “Komparasi Naive Bayes, Support Vector Machine, Dan Random Forest Dalam Analisis Sentimen Aplikasi Shopee Di Google Play Store,” JATI (Jurnal Mhs. Tek. Inform., vol. 9, no. 3, pp. 4451–4457, 2025.

M. R. Amalsyah, D. Kurniawan, A. Rifai, and P. Sari, “Sentiment Analysis of Fintech Application User Reviews using the CRISP-DM Framework for Product Development Prioritization,” SISTEMASI, vol. 14, no. 2, pp. 813–825, 2025.




DOI: https://doi.org/10.24176/sitech.v8i1.15604

Refbacks

  • Saat ini tidak ada refbacks.


 

 

JournalStories Main logo JournalStories Main logo

 

Flag Counter