KLASIFIKASI SENTIMEN DAN PEMETAAN EMOSI PUBLIK TERHADAP KETIDAKPERCAYAAN DPR RI DI MEDIA SOSIAL X MENGGUNAKAN ALGORITMA SVM
Abstract
Penelitian ini menganalisis karakteristik emosi masyarakat serta menguji performa model klasifikasi Support Vector Machine (SVM) berbasis leksikon (Emotional Lexicon) dalam memetakan sepuluh dimensi emosi terkait fenomena mosi tidak percaya terhadap DPR RI pasca-demonstrasi Agustus 2025 di media sosial X. Menggunakan 19.454 data opini publik, dataset terbagi ke dalam Sentimen Negatif (8.882 data), Sentimen Netral (5.968 data), dan Sentimen Positif (4.604 data). Pada pengujian polaritas sentimen (Layer 1), algoritma SVM berbasis SMOTE mencapai Test Accuracy sebesar 85,45%. Sementara pada klasifikasi emosi multikelas (Layer 2) dengan pembagian data split 80:20, model SVM menghasilkan Test Accuracy sebesar 75,53%, dengan performa tertinggi pada emosi Netral (F1-score 0,88) dan Marah (F1-score 0,82). Hasil analisis menunjukkan bahwa sentimen negatif didominasi secara masif oleh emosi Marah (5.488 data) dan Kecewa (873 data) sebagai manifestasi kemarahan kolektif. Kategori Netral mencerminkan ketidakpuasan pasif berdiksi formal, sementara visualisasi word cloud menegaskan kata "Rakyat", "DPRRI", dan "Bubar" sebagai poros utama tuntutan publik. Meski demikian, metode Emotional Lexicon (EmoLex) masih memiliki keterbatasan dalam mendeteksi sarkasme politik secara akurat. Penelitian ini menyarankan pemanfaatan arsitektur Deep Learning atau Transformer serta kernel non-linear untuk pengembangan klasifikasi emosi selanjutnya.
Downloads
References
D. Duei Putri, G. F. Nama, and W. E. Sulistiono, “Analisis Sentimen Kinerja Dewan Perwakilan Rakyat (DPR) Pada Twitter Menggunakan Metode Naive Bayes Classifier,” J. Inform. dan Tek. Elektro Terap., vol. 10, no. 1, pp. 34–40, 2022, doi: 10.23960/jitet.v10i1.2262.
Amirullah, “Kronologi Demo Memprotes DPR Hingga Meluas Berubah Penjarahan,” Tempo.co. Accessed: Oct. 09, 2025. [Online]. Available: https://www.tempo.co/politik/kronologi-demo-memprotes-dpr-hingga-meluas-berubah-penjarahan-2065182
CNBC Indonesia, “Kronologi Demo 25-29 Agustus: Demo DPR Melebar Jadi Amarah ke Polisi,” CNBC Indonesia. Accessed: Oct. 09, 2025. [Online]. Available: https://www.cnbcindonesia.com/news/20250830145726-4-662882/kronologi-demo-25-29-agustus-demo-dpr-melebar-jadi-amarah-ke-polisi
A. Paramartha et al., “Analisis Emosional Masyarakat Terhadap Tagar #Kaburajadulu Di Twitter Menggunakan Support Vector Machines,” Integr. Perspect. Soc. Sci. J., vol. 2, no. 4, p. 7374, 2025.
danSyafriandi Afifah Salsabilah Putri*, Eujeniatul Jannah, Dodi Vionanda, “Implementation Of Text Mining For Emotion Detection Using The Lexicon Method (Case Study: Tweets About Covid-19),” Telematika, vol. 18, no. 1, p. 49, 2025, doi: 10.31315/telematika.v18i1.4341.
A. N. Rohman, E. Utami, and S. Raharjo, “Deteksi Kondisi Emosi pada Media Sosial Menggunakan Pendekatan Leksikon dan Natural Language Processing,” Eksplora Inform., vol. 9, no. 1, pp. 70–76, 2019, doi: 10.30864/eksplora.v9i1.277.
A. Hamzah and R. Y. Ariyana, “Klasifikasi Emosi Berbasis Emolex dari Komentar Evaluasi Akademik Mahasiswa,” Techno.Com, vol. 23, no. 2, pp. 457–468, 2024, doi: 10.62411/tc.v23i2.10058.
R. A. N. Rizka and Zaehol Fatah, “Analisis Sentimen Komentar YouTube terhadap Tragedi Demo 25 Agustus Menggunakan Pendekatan Lexicon-Based,” J. Mhs. Tek. Inform., vol. 4, no. 2, pp. 217–224, 2025, doi: 10.35473/jamastika.v4i2.4525.
I. T. Cahya, A. Irma, I. Ali, O. Nurdiawan, and Martanto, “ANALISIS SENTIMEN ULASAN APLIKASI DANA DI PLAY STORE MENGGUNAKAN SUPPORT VECTOR,” vol. 14, no. 2, 2026.
F. Amrullah and A. Solichin, “Analisis Emosi Pada Live Chat Youtube ‘Mata Najwa: 3 Bacapres Bicara Gagasan’ Menggunakan Pendekatan Lexicon dan Algoritma Naive Bayes,” J. Ticom Technol. Inf. Commun., vol. 12, no. 3, pp. 121–128, 2024, doi: 10.70309/ticom.v12i3.132.
D. S. M. Mohammad and D. P. Turney, “NRC Word-Emotion Association Lexicon (aka EmoLex),” Dr. Saif M. Mohammad. Accessed: Oct. 12, 2025. [Online]. Available: https://saifmohammad.com/WebPages/NRC-Emotion-Lexicon.htm
Y. A. N. Jannah and R. B. Prasetyo, “Analisis Sentimen dan Emosi Publik pada Awal Pandemi COVID-19 Berdasarkan Data Twitter dengan Pendekatan Berbasis Leksikon,” Semin. Nas. Off. Stat., vol. 2022, no. 1, pp. 597–608, 2022, doi: 10.34123/semnasoffstat.v2022i1.1483.
P. W. Ciady et al., “Bot Discord Dengan Metode Analisis Sentimen Berbasis Leksikon,” J. Mhs. Tek. Inform., vol. 8, no. 5, pp. 10493–10498, 2024.
B. Susarianto, T. Nizami, and T. Informatika, “Analisis Sentimen Publik Pengesahan UU TNI Di Media Sosial X Menggunakan SVM,” no. 2, pp. 1257–1269, 2025.
Z. Rani and B. K. Khotimah, “SAPI DI TWITTER MENGGUNAKAN KOMBINASI METODE K-MEANS DAN SUPPORT VECTOR MACHINE,” vol. 13, no. 1, 2025.
D. C. Rahmadani, S. Khomsah, and M. Y. Fathoni, “Analisis Emosi Wisatawan Menggunakan Metode Lexicon Text Analysis,” J. Tek. Inform. dan Sist. Inf., vol. 10, no. 1, pp. 13–27, 2024, doi: 10.28932/jutisi.v10i1.6690.
R. Dwiyansaputra, S. I. Murpratiwi, and A. Aranta, “Analisis Sentimen Pengguna Platform Media Sosial X Pada Topik Pemilihan Presiden 2024 Menggunakan Perbandingan Model,” vol. 9, no. 1, pp. 626–634, 2025.
F. Muttakin, N. Andrika, and S. Salsabila, “Sentiment Analysis of Shoe Product Reviews on Indonesian E-Commerce Platform Using Lexicon Based and Support Vector Machine,” J. Tek. Inform., vol. 6, no. 2, pp. 839–854, 2025, doi: 10.52436/1.jutif.2025.6.2.3800.
H. Hoiriyah, N. Qomariya, A. K. Darmawan, M. Walid, and Y. Efenie, “Sentiment Analysis on Lgbt Issues in Indonesia With Lexicon-Based and Support Vector Machine Algorithms,” J. Pilar Nusa Mandiri, vol. 19, no. 1, pp. 27–36, 2023, doi: 10.33480/pilar.v19i1.4183.
I. H. Kusuma and N. Cahyono, “Analisis Sentimen Masyarakat Terhadap Penggunaan E-Commerce Menggunakan Algoritma K-Nearest Neighbor,” J. Inform. J. Pengemb. IT, vol. 8, no. 3, pp. 302–307, 2023, doi: 10.30591/jpit.v8i3.5734.
A. R. Ismail and Raden Bagus Fajriya Hakim, “Implementasi Lexicon Based Untuk Analisis Sentimen Dalam Menentukan Rekomendasi Pantai Di DI Yogyakarta Berdasarkan Data Twitter,” Emerg. Stat. Data Sci. J., vol. 1, no. 1, pp. 37–46, 2023, doi: 10.20885/esds.vol1.iss.1.art5.
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
