ABSTRAK
Adrian As’ad. Analisis Sentimen Terhadap Tren #Kaburajadulu Pada Aplikasi X Menggunakan Algoritma Support Vector Machine (Dibimbing oleh Nurdina Rasjid, S.Pd., M.Pd dan Arnita Irianti, S.Si, M.Si) Tren #KaburAjaDulu yang viral di media sosial X mencerminkan keresahan publik, khususnya generasi muda, terhadap kondisi sosial, ekonomi, dan pemerintahan di Indonesia. Tagar ini digunakan sebagai bentuk ekspresi keinginan untuk mencari kehidupan yang lebih baik di luar negeri. Penelitian ini bertujuan untuk
menganalisis sentimen publik terhadap tren tersebut menggunakan algoritma Support Vector Machine (SVM) dan pendekatan pembelajaran mesin berbasis teks. Data dikumpulkan dari platform X menggunakan teknik crawling dengan total 12.059 Tweet yang mengandung tagar #KaburAjaDulu. Data kemudian melalui tahapan preprocessing, meliputi case folding, cleansing, normalisasi, stopword
removal, tokenisasi, dan stemming. Label sentimen diberikan secara otomatis menggunakan kamus leksikal INSET, dikategorikan menjadi positif, negatif, dan netral. Fitur teks diubah menjadi representasi numerik menggunakan metode TF�IDF, dan penyeimbangan kelas dilakukan dengan SMOTE untuk mengatasi ketidakseimbangan data. Klasifikasi sentimen dibagi ke dalam tiga kelas, yaitu positif, negatif, dan netral. Model SVM dievaluasi dalam empat skenario pembagian
data latih dan uji (90:10, 80:20, 70:30, dan 60:40). Hasil evaluasi menunjukkan bahwa skenario terbaik diperoleh pada pembagian 80:20 dengan akurasi sebesar 83,05%. Sentimen negatif menjadi kelas dengan performa terbaik, sementara
sentimen netral masih menunjukkan tingkat akurasi yang rendah. Temuan ini menunjukkan bahwa algoritma SVM, khususnya dengan kernel linear, mampu secara efektif mengklasifikasikan opini publik dalam konteks sosial yang
kompleks. Penelitian ini diharapkan dapat menjadi referensi untuk pengembangan analisis opini publik berbasis media sosial yang lebih akurat dan adaptif terhadap
dinamika isu sosial.