Analisis Sentimen Publik terhadap Kebijakan Danantara Menggunakan Algoritma Support Vector Machine (SVM) pada Komentar di Media Sosial X

Abstract

Media sosial telah menjadi sarana utama bagi masyarakat untuk menyampaikan opini mengenai berbagai isu, termasuk kebijakan pemerintah salah satunya Danantara. Kebijakan tersebut menuai pro kontra dari kalangan akademisi maupun masyarakat. Penelitian ini bertujuan untuk menganalisis sentimen publik dan mengevaluasi performa algoritma Support Vector Machine (SVM) terkait kebijakan Danantara pada komentar di media sosial X yang diambil dari bulan Februari hingga Mei 2025. Hasil penelitian menunjukan bahwa sentimen publik terhadap kebijakan Danantara dengan menggunakan dataset sebanyak 1.626 komentar menggunakan algoritma Support Vector Machine (SVM) diperoleh sebesar 71,47% komentar tergolong dalam sentimen positif dan 28,52% komentar tergolong dalam sentimen negatif. Sebelum penerapan Synthetic Minority Over-sampling Technique (SMOTE), model SVM memiliki akurasi 78%, dengan kelas positif menunjukkan kinerja lebih baik yaitu memperoleh nilai precision 0,79, recall 0,94, f1-score 0,86 dibanding kelas negatif dengan nilai precision 0,72, recall 0,35, f1-score 0,47. Setelah penerapan SMOTE, akurasi meningkat menjadi 80%, kelas negatif mengalami peningkatan signifikan dengan nilai precision 0,68, recall 0,58, f1-score 0,62, sementara kelas positif tetap stabil dengan nilai  precision 0,84, recall 0,89, f1-score 0,86. Hasil ini menunjukkan bahwa sentimen publik terhadap kebijakan Danantara didominasi opini positif dan penerapan SMOTE membantu model mengenali kelas minoritas tanpa menurunkan performa kelas mayoritas, sehingga klasifikasi menjadi lebih seimbang.