ANALISIS SENTIMEN ULASAN PELECEHAN DI MEDIA SOSIAL TIKTOK MENGGUNAKAN SVM DAN PENGELOMPOKAN POLA KEJADIAN DENGAN K-MEANS CLUSTERING

Abstract

Abstrak. Kekerasan seksual merupakan isu sosial kompleks dengan sebaran yang tidak merata di Indonesia. Penelitian ini bertujuan untuk memetakan pola kasus kekerasan seksual per provinsi menggunakan algoritma K-Means Clustering serta menganalisis sentimen masyarakat terhadap isu pelecehan seksual melalui komentar di media sosial TikTok dengan metode Support Vector Machine (SVM). Data kasus diperoleh dari statistik provinsi, sedangkan komentar dikumpulkan melalui proses scraping, kemudian dipraolah dan diberi label sentimen. Hasil menunjukkan bahwa K-Means berhasil mengelompokkan provinsi ke dalam tiga kategori, yaitu Aman, Sedang, dan Rawan. Model SVM untuk klasifikasi sentimen menghasilkan akurasi 90%, dengan distribusi 7,8% negatif, 10,8% positif, dan 81,4% netral. Model juga mampu mendeteksi sentimen negatif dengan precision 0,83 dan recall 0,65. Temuan ini menunjukkan bahwa gabungan K-Means dan SVM efektif dalam mendukung pemetaan wilayah rawan kekerasan serta memahami persepsi publik berbasis data. Penelitian ini memberikan kontribusi terhadap pemanfaatan data mining sebagai alat pendukung pengambilan keputusan pada isu kekerasan seksual.