Analisis Sentimen Terhadap Aturan Efisiensi Anggaran Negara Melalui Media Sosial Youtube Dengan Menggunakan Metode Support Vector Machine (SVM)

Abstract

Kebijakan efisiensi anggaran negara tahun 2025 yang diatur melalui Instruksi Presiden Nomor 1 Tahun 2025 menimbulkan beragam tanggapan dari masyarakat. Media sosial, khususnya YouTube, menjadi salah satu sarana utama bagi publik untuk menyampaikan opini, kritik, dan respons terhadap kebijakan tersebut. Mengingat jumlah komentar yang sangat besar, analisis sentimen secara manual menjadi kurang efektif, sehingga diperlukan pendekatan berbasis Machine Learning. Penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan efisiensi anggaran negara berdasarkan komentar publik di YouTube serta mengukur kinerja metode Support Vector Machine (SVM) dalam melakukan klasifikasi sentimen. Data penelitian berupa komentar publik yang dikumpulkan dari kolom komentar YouTube terkait kebijakan efisiensi anggaran tahun 2025. Komentar diklasifikasikan ke dalam tiga kategori sentimen, yaitu positif, netral, dan negatif. Proses analisis meliputi text preprocessing, pembobotan kata menggunakan metode Term Frequency–Inverse Document Frequency (TF-IDF), serta pemodelan klasifikasi menggunakan SVM. Evaluasi model dilakukan dengan mengukur akurasi dan Cross-Validation, baik sebelum maupun setelah optimasi parameter menggunakan Grid Search. Hasil penelitian menunjukkan bahwa sentimen negatif mendominasi dengan persentase 93,7%, sedangkan sentimen positif sebesar 5,7% dan sentimen netral sebesar 0,7%. Model SVM tanpa optimasi mencapai akurasi pengujian sebesar 93,84%, sementara optimasi Grid Search meningkatkan performa model dengan skor Cross-Validation terbaik sebesar 94,93%. Hasil ini menunjukkan bahwa metode SVM efektif digunakan untuk analisis sentimen kebijakan publik berbasis media sosial.