Analisis Sentimen Komentar Masyarakat di Twitter Menggunakan Algoritma Support Vector Machine
DOI:
https://doi.org/10.29408/jit.v9i2.35290Keywords:
Classification, Sentiment Analysis, Support Vector Machines (SVM), Text MiningAbstract
Social media has become the primary means for the public to express their opinions on a wide range of issues, one of which is smartphone products. The social media platforms used to express opinions include Facebook, Instagram, Twitter, WhatsApp and YouTube. Twitter is one of the most widely used platforms for expressing opinions in the form of comments, which may be positive, negative or neutral. This study aims to classify the sentiment of Twitter users’ comments regarding smartphones using the Support Vector Machine (SVM) algorithm. The research employs a quantitative methodology. The data used consists of comments or text data in CSV format, which is processed through a series of pre-processing steps, including data cleaning, tokenisation, stop-word removal and stemming. This will be followed by sentiment modelling and an evaluation of the model’s performance. The results of the study show that the SVM method achieved an accuracy of 82,28%, a recall of 82,26%, a precision of 82,25%, and an F1-score of 82,25%. Based on these results, it can be concluded that the SVM algorithm performs well in sentiment analysis of social media data, particularly Twitter.
References
[1] A. D. Andriani et al., “MODEL KOMUNIKASI LITERASI DIGITAL DALAM,” Interak. J. Ilmu Komun., vol. 13, no. 2, pp. 439–464, 2024.
[2] M. B. S. I Kadek Sista Priyanata1, “Framing dan Isu Sosial dalam Jurnalisme Media Sosial : Tinjauan Literatur atas Praktik Representasi Komunitas Pendatang,” J. Interak. J. Ilmu Komun., vol. 10, no. 1, pp. 77–91, 2026, doi: https://doi.org/10.30596/ji.v10i1.26534.
[3] T. W. Rahmania Mustaqlilah1, Okky Widyaningtyas2, “Efektivitas Penggunaan Twitter Sebagai Sarana Peningkatan Berpikir Kritis Mahasiswa Ilmu Komunikasi,” J. Ilmu Komun., vol. 2, no. 1, pp. 18–28, 2024, doi: 10.54259/mukasi.v2i1.1346.
[4] R. Mustaqlilah, O. Widyaningtyas, and T. Wantoro, “Efektivitas Penggunaan Twitter Sebagai Sarana Peningkatan Berpikir Kritis Mahasiswa Ilmu Komunikasi,” vol. 2, no. 1, pp. 18–28, 2023, doi: 10.54259/mukasi.v2i1.1346.
[5] N. A. Tsurayya, P. Haniza, and R. Annisa, “Fungsi bahasa dalam jejaring media sosial twitter,” Kaji. Linguist. dan Sastra, vol. 8, no. 2, pp. 142-160., 2023, doi: 10.23917/kls.v8i2.18463.
[6] D. Darwis, E. S. Pratiwi, and A. F. O. Pasaribu, “Penerapan ALGORITMA SVM UNTUK ANALISIS SENTIMEN PADA DATA TWITTER KOMISI PEMBERANTASAN KORUPSI REPUBLIK INDONESIA,” J. Ilm. Edutic, vol. 7, no. 1, pp. 1–11, 2020, doi: 10.21107/edutic.v7i1.8779.
[7] A. Hendrawan and E. I. Sela, “Jurnal Indonesia : Manajemen Informatika dan Komunikasi Analisis Sentimen Komentar Youtube Tentang Resesi Global 2023 Menggunakan LSTM Abstrak Jurnal Indonesia : Manajemen Informatika dan Komunikasi,” J. Indones. Manaj. Inform. dan Komun., vol. 5, no. 1, pp. 587–593, 2024, doi: https://doi.org/10.35870/jimik.v5i1.526.
[8] A. Y. Pratama, G. A. Sanjaya, N. K. Lubis, and M. R. Aditya, “Analisis Sentimen Publik Terkait Danantara Menggunakan Algoritma IndoBERT pada Platform Media Sosial,” vol. 9, no. 1, 2025, doi: 10.47002/metik.v9i1.1055.
[9] A. W. Muh. Hasbi Asshiddiq1*, “Analisis Sentimen tentang Penundaan Pengangkatan CPNS 2025 pada Platform X Menggunakan Metode IndoBERT,” J. Fak. Tek. Univ. Islam Lamongan, vol. 17, no. 2, 2025, doi: 10.30736/jt.v17i2.1448.
[10] A. W. V Hutabarat, N. Luh, S. Saraswati, and K. Suryadi, “Analisis Sentimen Data Ulasan Pengguna MyPertamina di Twitter dengan Metode Machine Learning dan Deep Learning,” vol. 13, no. 1, pp. 145–154, 2024, doi: https://doi.org/10.26593/jrsi.v13i1.6958.145-154.
[11] M. R. Novita Malasari a, 1, “Analisis Sentimen Media Sosial Menggunakan Algoritma BERT dan LSTM,” J. Comput. Sci. Inf. Technol., vol. 1, no. 3, pp. 85–92, 2025.
[12] M. I. Fikri, T. S. Sabrila, and Y. Azhar, “Comparison of Naïve Bayes and Support Vector Machine Methods in Twitter Sentiment Analysis,” Smatika J., vol. 10, no. 02, pp. 71–76, 2020.
[13] M. Qorib, T. Oladunni, M. Denis, E. Ososanya, and P. Cotae, “Covid-19 vaccine hesitancy: Text mining, sentiment analysis and machine learning on COVID-19 vaccination Twitter dataset,” Expert Syst. Appl., vol. 212, no. January 2022, p. 118715, 2023, doi: 10.1016/j.eswa.2022.118715.
[14] M. Jelita, “Text Mining dengan Topic Modelling LDA dari Pertanyaan Gelar Wicara Literasi Perpustakaan Nasional RI,” Media Pustak., vol. 31, no. 3, pp. 253–265, 2024, doi: 10.37014/medpus.v31i3.5237.
[15] D. S. Utami and A. Erfina, “Analisis Sentimen Pinjaman Online di Twitter Menggunakan Algoritma Support Vector Machine (SVM),” SISMATIK (Seminar Nas. Sist. Inf. dan Manaj. Inform., vol. 1, no. 1, pp. 299–305, 2021.
[16] H. Ma, A. P. Wibawa, and M. I. Akbar, “Klasifikasi artikel ilmiah dengan berbagai skenario preprocessing,” Sains, Apl. Komputasi dan Teknol. Inf., vol. 2, no. 2, pp. 70–78, 2020.
[17] D. R. Nurqotimah, A. N. Khudori, and R. S. Pradini, “Implementasi Algoritma Support Vector Machine ( SVM ) Untuk Klasifikasi Penyakit Stroke,” J. Appl. Comput. Sci. Technol. ( JACOST ), vol. 5, no. 2, pp. 179–185, 2024, doi: https://doi.org/10.52158/jacost.v5i2.817.
[18] S. Muawanah, U. Muzayanah, M. G. R. Pandin, M. D. S. Alam, and J. P. N. Trisnaningtyas, “Stress and Coping Strategies of Madrasah’s Teachers on Applying Distance Learning During COVID-19 Pandemic in Indonesia,” Qubahan Acad. J., vol. 3, no. 4, pp. 206–218, 2023, doi: 10.48161/Issn.2709-8206.
[19] M. Z. Abidin, R. Makhfuddin, A. Syaifuddin, U. I. Majapahit, T. Rejo, and K. Mojokerto, “Analisis Sentimen Ulasan Aplikasi Sirekap Menggunakan Algoritma Support Vector Machine,” JITET (Jurnal Inform. dan Tek. Elektro Ter., vol. 13, no. 3, pp. 679–691, 2024, doi: http://dx.doi.org/10.23960/jitet.v13i3S1.7768.
[20] H. C. Husada and A. S. Paramita, “Analisis Sentimen Pada Maskapai Penerbangan di Platform Twitter Menggunakan Algoritma Support Vector Machine (SVM),” Teknika, vol. 10, no. 1, pp. 18–26, 2021, doi: 10.34148/teknika.v10i1.311.
[21] M. I. Abidin and E. W. Pamungkas, “Analisis sentimen terhadap timnas indonesia di piala asia 2023 dengan model transformer berbahasa indonesia,” Rabit, vol. 10, no. 2, pp. 482–496, 2025, doi: tps://doi.org/ 10.36341/rabit.v10i2.6142.
[22] N. Nur, A. Aryanti, and O. Suria, “ANALISIS SENTIMEN TERHADAP PEMUTUSAN HUBUNGAN KERJA DI INDONESIA : KOMPARASI INDOBERT DENGAN SVM , RANDOM FOREST , DAN DECISION TREE DENGAN OPTIMASI TF - IDF PENDAHULUAN Pemutusan Hubungan Kerja ( PHK ) merupakan salah satu fenomena sosial dan ekonomi yan,” J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1158–1176, 2025, doi: https://doi.org/ 10.36341/rabit.v10i2.6364.
[23] A. Nur, A. Saputra, R. E. Saputro, D. Intan, and S. Saputra, “Enhancing Sentiment Analysis Accuracy Using SVM and Slang Word Normalization on YouTube Comments,” vol. 9, no. 2, pp. 687–699, 2025.
[24] M. I. Petiwi, A. Triayudi, and I. D. Sholihati, “Analisis Sentimen Gofood Berdasarkan Twitter Menggunakan Metode Naïve Bayes dan Support Vector Machine,” vol. 6, pp. 542–550, 2022, doi: 10.30865/mib.v6i1.3530.
[25] N. Hendrastuty et al., “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” vol. 6, no. 3, pp. 150–155, 2021.
[26] R. Ramlan, N. Satyahadewi, and W. Andani, “Analisis Sentimen Pengguna Twitter Menggunakan Support Vector Machine Pada Kasus Kenaikan Harga BBM,” Jambura J. Math., vol. 5, no. 2, pp. 431–445, 2023, doi: 10.34312/jjom.v5i2.20860.
[27] S. L. M. Yahya, Nurhidayati, “Pengaruh Pendidikan Terhadap Tingkat Kesehatan Masyarakat Kecamatan Suragala Kabupaten Lombok Timur Menggunakan Algoritma Random Forest,” Teknol. dan Inf., vol. 7, no. 2, 2024, doi: 10.29408/jit.v7i2.26352 Infotek.
[28] R. Ahmad, M. Saiful, and V. No, “Analisis Komparatif Feture Selection dan Metode Klasifikasi Intrution Detection System ( IDS ),” Inform. dan Teknol., vol. 8, no. 2, pp. 673–685, 2025, doi: 10.29408/jit.v8i2.31103.
[29] A. Sandi and M. Qusyairi, “Analisis Prediksi Tingkat Kesejahteraan Masyarakat Nelayan Lombok Timur Dengan Algoritma Naïve Bayes Infotek,” Inform. dan Teknol., vol. 7, no. 2, pp. 563–574, 2024, doi: 10.29408/jit.v7i2.26543 Infotek.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2026 Infotek: Jurnal Informatika dan Teknologi
This work is licensed under a Creative Commons Attribution 4.0 International License.
Semua tulisan pada jurnal ini menjadi tanggung jawab penuh penulis. Jurnal Infotek memberikan akses terbuka terhadap siapapun agar informasi dan temuan pada artikel tersebut bermanfaat bagi semua orang. Jurnal Infotek ini dapat diakses dan diunduh secara gratis, tanpa dipungut biaya sesuai dengan lisense creative commons yang digunakan.
Jurnal Infotek is licensed under a Creative Commons Attribution 4.0 International License.
Statistik Pengunjung
