Analisis Sentimen Berita Skandal Korupsi pada Media Sosial X Menggunakan Metode Linear Support Vector Machine Berbasis Android

Villa Dea Ardinata; Martiano

doi:10.33151/ijomss.v4i6.1134

Villa Dea Ardinata Universitas Muhammadiyah Sumatera Utara
Martiano Universitas Muhammadiyah Sumatera Utara

DOI: https://doi.org/10.33151/ijomss.v4i6.1134

Keywords: Analisis Sentimen; Korupsi; Linear Support Vector Machine; Media Sosial X; TF-IDF

Abstract

Korupsi merupakan permasalahan serius yang berdampak pada keuangan negara, tatanan sosial, dan kepercayaan publik terhadap institusi pemerintahan. Banyaknya opini masyarakat yang tersebar di media sosial X (sebelumnya Twitter) menjadikan analisis sentimen sebagai pendekatan efektif untuk memahami kecenderungan persepsi publik terhadap berita skandal korupsi. Penelitian ini bertujuan menganalisis sentimen publik menggunakan metode Linear Support Vector Machine (SVM) serta mengimplementasikan hasil analisis ke dalam aplikasi berbasis Android. Tahapan penelitian meliputi scraping data menggunakan ntscraper dan API X, preprocessing (cleansing, case folding, tokenization, normalization, stopword removal, dan stemming), pelabelan sentimen secara manual, pembobotan fitur menggunakan TF-IDF, pembagian data latih dan uji, serta evaluasi model menggunakan confusion matrix dan metrik accuracy, precision, recall, dan F1-Score. Penelitian berhasil mengumpulkan 1.011 tweet terkait skandal korupsi pada periode 1 Mei–15 Agustus 2026. Hasil pengujian menunjukkan model Linear SVM mencapai akurasi 89% pada 203 data uji, dengan weighted precision 89%, weighted recall 89%, dan weighted F1-Score 89%. Temuan ini menunjukkan bahwa Linear SVM efektif mengklasifikasikan sentimen pada teks berdimensi tinggi dan layak diterapkan sebagai dasar pengembangan aplikasi analisis sentimen berbasis Android.

Author Biographies

Villa Dea Ardinata, Universitas Muhammadiyah Sumatera Utara

Program Studi Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi

Martiano, Universitas Muhammadiyah Sumatera Utara

Program Studi Sistem Informasi, Fakultas Ilmu Komputer dan Teknologi Informasi

References

Aisah, I. S., Irawan, B., & Suprapti, T. (2023). Algoritma Support Vector Machine (SVM) untuk analisis sentimen ulasan aplikasi Al Qur'an Digital. Jurnal Teknik Informatika, 7(6), 3759–3765.

Alfataah, S., & Cahyono, N. (2025). Sentimen analisis pengguna Twitter terhadap provider XL. Jurnal Teknik Informatika dan Sistem Informasi, 9(3), 4502–4506.

Dasmasela, R., Latubessy, A., & Susanto, A. (2022). Penerapan metode Support Vector Machine (SVM) untuk mendeteksi penyalahgunaan narkoba. Journal of Applied Intelligent System, 1(2), 111–122.

Dewi, U. K., Malik, S., Yadita, D., Nugraha, R., & Akbar, S. R. (2025). Analisis kasus korupsi bantuan sosial pada pandemi Covid-19 dari perspektif etika dan profesionalisme hukum. Jurnal Hukum dan Etika Profesi, 2(6), 59–67.

Edwin, A. W. S., & Achmad, A. (2018). Pemanfaatan realtime database di platform Firebase pada aplikasi e-tourism Kabupaten Nabire. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 22(1), 20–26. https://doi.org/10.25042/jpe.052018.04

Ernawati, S., & Wati, R. (2024). Evaluasi performa kernel SVM dalam analisis sentimen review aplikasi ChatGPT menggunakan hyperparameter dan VADER lexicon. Jurnal Ilmiah Sistem Informasi, 15(April), 40–49.

Hidayat, S., Azizah, A. N., Angriani, F. S., & Bahtiar, M. A. I. (2025). Tindak pidana korupsi di Indonesia: Bentuk, faktor penyebab, dan dampaknya. Jurnal Ilmu Hukum, 3(2), 402–411.

Ma'rufudin, & Yudhistira, A. (2025). Analisis sentimen petani milenial pada media sosial X menggunakan algoritma Support Vector Machine (SVM). Jurnal Sistem dan Teknologi Informasi, 5(3), 845–857.

Muflih, H. N., Putra, H. W., & Arwani, I. (2021). Analisis sentimen pada media sosial Twitter terhadap aturan pemberlakuan pembatasan kegiatan masyarakat Kota Malang. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 5(10), 4486–4493.

Nugroho, A. W., & Norhikmah. (2024). Analisis sentimen menggunakan algoritma Support Vector Machine pada Covid-19. Jurnal Teknologi Informasi dan Komunikasi, 13(4), 1758–1772.

Putra, M. N. (2024). Bahasa pemrograman Java. Jurnal Informatika dan Sistem Informasi, 3(1), 3–5.

Septiani, D., & Isabela, I. (2022). Analisis term frequency inverse document frequency (TF-IDF) dalam temu kembali informasi pada dokumen teks. Jurnal Ilmu Komputer dan Matematika, 25, 81–88.

Styawati, Hendrastuty, N., Isnain, A. R., & Rahmadhani, A. Y. (2021). Analisis sentimen masyarakat terhadap program kartu prakerja pada Twitter dengan metode Support Vector Machine. Jurnal Teknologi Informasi dan Ilmu Komputer, 6(3), 150–155.