ANALISIS SENTIMEN TERHADAP KEBIJAKAN EFISIENSI ANGGARAN PEMERINTAH MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN VECTOR SPACE MODEL (VSM)

Utina, Dwi Fanti Y. (2026) ANALISIS SENTIMEN TERHADAP KEBIJAKAN EFISIENSI ANGGARAN PEMERINTAH MENGGUNAKAN METODE SUPPORT VECTOR MACHINE (SVM) DAN VECTOR SPACE MODEL (VSM). Sarjana thesis, Universitas Muhammadiyah Gorontalo.

[img] Text (Abstrak)
ABSTRAK.pdf

Download (516kB)
[img] Text (Bab 1)
BAB 1.pdf

Download (456kB)
[img] Text (Daftar Pustaka)
DAFTAR PUSTAKA.pdf

Download (453kB)
[img] Text (Skripsi Dwi Fanti Y. Utina)
Skripsi Dwi Fanti Y. Utina.pdf
Restricted to Repository staff only

Download (3MB)

Abstract

Social media has become a primary platform for the public to openly voice their concerns about government policies, including issues of budget efficiency. This study aims to analyze public sentiment trends toward government policies using algorithms. Support Vector Machine (SVM) which is integrated with Vector Space Model (VSM). Data was collected through the technique, crawling on platformX (Twitter), then processed through the stages cleaning, case folding, tokenizing, filtering, and stemming. This research also applies a qualitative approach. Lexicon-Based for sentiment labeling. The entire system implementation was developed using the language Python on Google Collaboratory The test results with the confusion matrix show that the model is able to classify self-labeled data with 71% accuracy, and reaches 96% on labeled data. Lexicon-Based Approach This demonstrates that VSM integration significantly assists SVM in presenting feature representations and accurately recognizing text patterns. This study concludes that public perception can be objectively mapped through sentiment analysis, thus serving as evaluation material and a strategic reference for the government in making future policy decisions.

Item Type: Thesis (Sarjana)
Contributors:
ContributionContributorsNIDN/NBMEmail
Thesis advisorLasarudin, Alter0923038503UNSPECIFIED
Thesis advisorHasyim, Wahyudin0911078705UNSPECIFIED
Additional Information: Media sosial saat ini menjadi salah satu wadah utama bagi masyarakat dalam menyuarakan pendapat, menyampaikan aspirasi, serta menanggapi berbagai fenomena dan kebijakan pemerintah secara terbuka. Salah satu isu nasional yang memicu diskursus luas di media sosial X (Twitter) adalah kebijakan efisiensi anggaran pemerintah. Penelitian ini bertujuan untuk menganalisis kecenderungan sentimen publik terhadap kebijakan tersebut dengan menerapkan algoritma Support Vector Machine (SVM) yang diintegrasikan dengan Vector Space Model (VSM). Proses pengumpulan data dilakukan melalui teknik crawling pada platform X dengan menggunakan kata kunci yang relevan. Data yang terkumpul kemudian melewati serangkaian tahapan pra-pemrosesan yang meliputi cleaning, case folding, tokenizing, filtering (stopword removal), dan stemming guna meningkatkan kualitas data teks sebelum dilakukan klasifikasi. Selain itu, penelitian ini juga menerapkan pendekatan Lexicon-Based untuk membantu proses pelabelan sentimen. Seluruh implementasi sistem dikembangkan menggunakan bahasa pemrograman Python pada platform Google Colaboratory. Melalui pengujian menggunakan confusion matrix model mampu mengklasifikasikan data berlabel mandiri dengan tingkat akurasi sebesar 71%, dan mencapai akurasi maksimal sebesar 96% pada data berlabel berbasis Lexicon-Based Approach. Hal ini membuktikan bahwa integrasi Vector Space Model sangat membantu Support Vector Machine dalam menyajikan representasi fitur dan mengenali pola teks terkait kebijakan efisiensi anggaran secara akurat. Penelitian ini menunjukkan bahwa persepsi masyarakat terhadap kebijakan efisiensi anggaran dapat dipetakan secara objektif melalui analisis sentimen, yang mana hasil tersebut dapat menjadi bahan evaluasi dan referensi strategis bagi pemerintah dalam mengambil kebijakan di masa depan.
Uncontrolled Keywords: Analisis Sentimen, Support Vector Machine, Efisiensi Anggaran, X (Twitter), Vector Space Mode
Subjects: Q Science > QA Mathematics > QA75 Electronic computers. Computer science
Q Science > QA Mathematics > QA76 Computer software
Divisions: Fakultas Sains dan Ilmu Komputer > Program Studi Sistem informasi
Depositing User: Dwi Fanti Y. Utina
Date Deposited: 24 Apr 2026 03:41
Last Modified: 24 Apr 2026 03:41
URI: http://repository.umgo.ac.id/id/eprint/6065

Actions (login required)

View Item View Item