ANALISIS SENTIMEN MASYARAKAT TERHADAP PEMINDAHAN IBU KOTA PADA PLATFORM MEDIA SOSIAL MENGGUNAKAN SUPPORT VECTOR MACHINE DENGAN LABELING BERBASIS LEXICON BASED

Penelitian ini bertujuan untuk membangun sistem analisis sentimen masyarakat terhadap perpindahan ibu kota pada platform media social menggunakan algoritma Support Vector Machine (SVM) dan Lexicon Based. Penelitian ini membatasi variable penelitian pada analisis sentimen terhdapa perpindahan ibu kota pada platform media sosial twitter, instagram dan facebook. Metode penelitian yang digunakan meliputi pengumpulan data, preprocessing data dan analisis sentimen menggunakan algoritma SVM dengan tambahan Lexicon Based dan SVM tanpa tambahan Lexicon Based. Hasil penelitian menunjukkan bahwa penggunaan metode SVM dengan tambahan Lexicon Based memberikan akurasi tertinggi sebesar 97,21%, presisi sebesar 100%, recall sebesar 89,42%, dan F1 Score sebesar 94,24%. Sementara itu, metode SVM tanpa tambahan Lexicon Based memiliki akurasi tertinggi sebesar 98,99%, presisi sebesar 100%, recall sebesar 65,98%, dan F1 Score sebesar 79,01%. Kesimpulan yang dapat diambil dari penelitian ini yaitu algoritma Support Vector Machine tanpa tambahan Lexicon Based menunjukan kinerja yang lebih baik dalam memprediksi terkait sentimen masyarakat terhadap perpindahan ibu kota terutama pada akurasi dan presisi. Namun, metode Support Vector Machine dengan tambahan Lexicon Based memiliki nilai recall yang lebih tinggi hal ini menunjukan kinerjanya dalam mengidentifikasi lebih banyak data positif sebenarnya.