ANALISIS SENTIMEN TERHADAP KAMPANYE ANTI-JUDI ONLINE MENGGUNAKAN SUPPORT VECTOR MACHINE

Abstract

Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kampanye anti-judi online di TikTok menggunakan pendekatan TF-IDF dan algoritma Support Vector Machine (SVM). Data yang digunakan berupa komentar pengguna yang dikumpulkan dari platform TikTok dan kemudian melalui tahapan preprocessing, termasuk pembersihan teks, tokenisasi, penghapusan stopword, dan stemming. Proses pelabelan dilakukan menggunakan pendekatan hybrid labeling yang mengombinasikan metode berbasis aturan (rule-based) dan model pra-latih IndoBERTweet. Selanjutnya, fitur teks direpresentasikan menggunakan TF-IDF dan diklasifikasikan menggunakan model SVM dengan kernel linear. Hasil pengujian menunjukkan bahwa model mampu mencapai akurasi sebesar 81,7% dalam mengklasifikasikan sentimen komentar. Distribusi sentimen menunjukkan bahwa 72,7% komentar diklasifikasikan sebagai negatif dan 27,3% sebagai positif. Selain itu, model menunjukkan performa yang lebih baik pada kelas negatif dibandingkan kelas positif, yang dapat dipengaruhi oleh ketidakseimbangan data dan variasi bahasa pada komentar. Penelitian ini memberikan gambaran mengenai distribusi sentimen terhadap kampanye anti-judi online di media sosial serta menunjukkan bahwa kombinasi metode berbasis aturan dan model pra-latih dapat digunakan dalam proses pelabelan data pada analisis sentimen teks pendek dan informal.