Analisis Sentimen Persepsi Publik terhadap Resesi Ekonomi di Sosial Media Menggunakan SVM (Support Vector Machine)
DOI:
https://doi.org/10.46821/benchmark.v4i2.441Keywords:
Resesi Ekonomi, Analisis Sentimen, SVM (Support Vector Machine)Abstract
Pada akhir Tahun 2022, beberapa negara mengalami pertumbuhan ekonomi yang melambat. Bahkan diantaranya ada negara maju yang juga mengalami perlambatan laju ekonomi. Hal ini membuat pengamat ekonomi dunia mengeluarkan peringatan kepada negara-negara di dunia agar waspada terhadap kemungkinan terjadinya resesi ekonomi, begitu juga dengan Indonesia. Isu resesi ekonomi ini semakin berkembang hingga Tahun 2023 hingga sempat menimbulkan kekhawatiran di sektor perekonomian. Harapan dari penelitian adalah mendapatkan informasi tentang sentimen masyakarat Indonesia terhadap resesi ekonomi. Sentimen persepsi publik ini dibagi menjadi tiga yaitu posotif, netral dan negatif. Penelitian menggunakan metode analisis sentimen klasifikasi dengan SVM. Data diambil dari media sosial mulai bulan Juni 2023. Hasil penelitian menunjukkan bahwa klasifikasi sentimen masyarakat Indonesia netral sebanyak 83,5% dengan hasil akurasi klasifikasi 97,07% yang menandakan bahwa hasil klasifikasi sangat akurat.
References
Ahmad. (2022). Pengertian Resesi Ekonomi : Penyebab, Dampak dan Solusi. Gramedia Blog. Retrieved from https://www.gramedia.com/literasi/resesi-ekonomi/.
Ferdiana, R, Jatmiko, F, Purwanti, D D, Ayu, A S T dan Dicka, W F. 2019. Dataset Indonesia untuk Analisis Sentimen J. Nas.Tek.Elektro dan Teknol.Inf, 8(4), 334-341.
Fiskal.kemenkeu.go.id. (2022).Pengertian dan Penyebab Resesi Ekonomi.https://fiskal.kemenkeu.go.id/fiskalpedia/2022/11/10/19-resesi. Diakses 18 Mei 2024.
Haa, CNBC.(2022). 31 Negara Dunia Jatuh di Jurang Resesi, Intip Daftarnya!.https://www.cnbcindonesia.com/news/20221013075338-4-379312/31-negara-dunia-jatuh-di-jurang-resesi-intip-daftarnya. Diakses 18 Mei 2024.
Krisdiyanto, T. (2021).Analisis Sentimen Opini Masyarakat Indonesia Terhadap Kebijakan PPKM pada Media Sosial Twitter Menggunakan Naïve Bayes.Clasifiers J. CoreIT J. Has. Penelit. Ilmu Komput. dan Teknol. Inf, 7(1), 32–37.
Liu S, Young SD. (2016). A survey of social media data analysis for physical activity surveillance.J Forensic Leg Med, 1-4.
Luqyana, W. A., Cholissodin, I., and Perdana, R. S. (2018).Analisis Sentimen Cyberbullying pada Komentar Instagram dengan Metode Klasifikasi Support Vector Machine, 2(11), 4704–4713.
Mahawardana, P.P.O., Imawati, I.A.P.F., and Dika, I. W. (2022). Analisis Sentimen Berdasarkan Opini dari Media Sosial Twitter terhadap “Figure Pemimpin†Menggunakan Python. Jurnal Manajemen Dan Teknologi Informasi, 12(2), 50-56.
Oktavianto, A.and Persada, S. F. (2021). Persepsi Publik Tentang Pembelajaran Daring di Indonesia: Studi Menggunakan ELK Stack dan Python untuk Analisis Sentimen di Twitter. Jurnal Teknik ITS, 9(2), 170-175.
Rozi, I. F, Pramono, S. H., dan Dahlan, E. A. (2012). Implementasi Opinion Mining ( Analisis Sentimen ) untuk Ekstraksi Data Opini Publik pada Perguruan Tinggi. Electr.Power, Electron.Commun.Control. Informatics Semin, 6(1), 37–43.
Suryono,S. and Taufiq, E.L. (2021). Analisis sentimen pada Twitter dengan menggunakan metode Naïve Bayes Clasifiers J. CoreIT J. Has.Penelit. Ilmu Komput. dan Teknol. Inf. 7(1), 81–86.
Tineges, R, Triayud, A and Sholihati, I.D. (2020). Analisis Sentimen Terhadap Layanan Indihome Berdasarkan Twitter Dengan Metode Klasifikasi Support Vector Machine (SVM). J. Media Inform. Budidarma, 4(3), 650.
Tuhuteru, H. (2020). Analisis Sentimen Masyarakat Terhadap Pembatasan Sosial Berksala Besar Menggunakan Algoritma Support Vector Machine.Inf. Syst. Dev, 5(2), 7–13.
Widaningsih, S., and Suheri, A. (2018).Klasifikasi Jurnal Ilmu Komputer Berdasarkan Pembagian Web of Science Dengan Menggunakan Text Mining.Seminar Nasional Teknologi Informasi Dan Komunikasi (SENTIKA 2018).
Zhang, L., Ghosh, R., Dekhil, M., Hsu, M. and Liu, B. (2011).Combining lexicon-based and learning-based methods for twitter sentimen analysis. HP Laboratories, 89, 1-8.
