Analisis Sentimen Pengguna Twitter terhadap KoperasiMerah Putih Menggunakan Metode Support Vector Machine (SVM)
Keywords:
Analisis Sentimen, Koperasi Merah Putih, Twitter, Support Vector Machine, TF-IDFAbstract
Perkembangan media sosial menjadi ruang strategis bagi
masyarakat dalam menyampaikan opini terhadap isu kebijakan publik,
termasuk koperasi digital. Salah satunya adalah Koperasi Merah Putih
yang digagas pemerintah untuk memperkuat ekonomi kerakyatan.
Penelitian ini bertujuan menganalisis sentimen masyarakat terhadap
Koperasi Merah Putih di Twitter menggunakan metode Support Vector
Machine (SVM). Sebanyak 306 tweet berbahasa Indonesia dikumpulkan
pada 29 Februari–1 Mei 2025. Data dianalisis melalui preprocessing,
pembobotan Term Frequency-Inverse Document Frequency (TF-IDF),
penyeimbangan data dengan SMOTE, dan klasifikasi ke dalam kategori
positif, negatif, dan netral. Hasil menunjukkan mayoritas tweet
bersentimen netral (70,6%), sedangkan negatif 18,3%, dan positif 11,1%.
Model SVM menghasilkan akurasi 66%, dengan performa terbaik pada
kategori netral. Temuan ini menunjukkan isu koperasi digital masih
dipandang informatif dan memerlukan strategi komunikasi adaptif.
Penelitian merekomendasikan integrasi model deep learning untuk
meningkatkan akurasi klasifikasi di masa mendatang.
References
Asmaniah, A., Pratama, N. A., Karmila, V. C., Oktaviani, W., & Helmi, R. F. (2024). Analisis Implementasi Governasi Digital Dalam Penggunaan Aplikasi IKD di Disdukcapil Kota Padang. Orasi: Jurnal Ilmu Politik dan Sosial.
Chawla, N. V., Bowyer, K. W., Hall, L. O., & Kegelmeyer, W. P. (2002). SMOTE: Synthetic Minority Over-sampling Technique. Journal of Artificial Intelligence Research, 16, 321–357. https://doi.org/10.1613/jair.953
Cortes, C., & Vapnik, V. (1995). Support-vector networks. Machine Learning, 20(3), 273–
https://doi.org/10.1007/BF00994018
Dian Siti Utami, A. E. (2021). ANALISIS SENTIMEN PINJAMAN ONLINE DI TWITTER MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM). Prosiding
Seminar Nasional, 1(1).
DISKOPUKM. (2025). Pembentukan Koperasi Desa Merah Putih. Diambil kembali dari Dinas Koperasi, Usaha KEcil dan Menengah Provinsi Kalimantan Barat: https://diskopukm.kalbarprov.go.id/berita/pembentukan-koperasi-desa-
merah-putih
Isnain, A., Sihabuddin, & Suyanto. (2020). Comparative Analysis of Machine Learning Methods for Sentiment Analysis of Indonesian Tweets. TELKOMNIKA Telecommunication Computing Electronics and Control, 18(1), 282–289. https://doi.org/10.12928/telkomnika.v18i1.12958
Joachims, T. (1998). Text categorization with Support Vector Machines: Learning with many relevant features. In C. Nédellec & C. Rouveirol (Eds.), Machine Learning: ECML-98 (pp. 137–142). Springer. https://doi.org/10.1007/BFb0026683
Koperasi. (2025). K apa itu operasi Merah Putih. Diambil kembali dari koperasi Merah Putih: https://koperasi.or.id/tentang-kami
Liu, B. (2012).Sentiment Analysis and Opinion Mining. Morgan & Claypool Publishers. Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Foundations and
Trends® in Information Retrieval, 2(1–2), 1–135.
https://doi.org/10.1561/1500000011
Pang, B., Lee, L., & Vaithyanathan, S. (2002). Thumbs up? Sentiment Classification using Machine Learning Techniques. Proceedings of the ACL-02 conference on Empirical Methods in Natural Language Processing.
Nur Fitriyah, B. W. (2020). ANALISIS SENTIMEN GOJEK PADA MEDIA SOSIAL TWITTER DENGAN KLASIFIKASI SUPPORT VECTOR MACHINE (SVM). Jurnal Gaussian, 9(3).
doi:https://doi.org/10.14710/j.gauss.9.3.376-390
Rani, Z. (2025). ANALISIS SENTIMEN TERHADAP KARAPAN SAPI DI TWITTER MENGGUNAKAN METODE K-MEANS DAN SUPPORT VECTOR MACHINE (SVM).
Jurnal Informatika dan Teknik Elektro Terapan, 13(1). doi:https://doi.org/10.23960/jitet.v13i1.5685
Rahmawati, D. A., Marjuni, & Zeniarja, D. (2017). Analisis Sentimen pada Komentar Netizen Terhadap Calon Gubernur DKI Jakarta pada Instagram Menggunakan Algoritma Naive Bayes Classifier. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, 1(10), 951–960.
Safira, A. (2023). ANALISIS SENTIMEN MASYARAKAT TERHADAP PAYLATER MENGGUNAKAN METODE NAIVE BAYES CLASSIFIER. Jurnal Sistem Informasi, 5(1), 59-70.
Statista. (2024).Number of Twitter users worldwide from 2019 to 2024. Retrieved from https://www.statista.com/](https://www.statista.com/
Styawati, E., & Mustofa, K. (2019). Klasifikasi Analisis Sentimen pada Twitter dengan Menggunakan Support Vector Machine dan Term Frequency-Inverse Document Frequency. Jurnal Ilmiah Komputer dan Informatika KOMPUTA, 8(1), 15–21. https://doi.org/10.30595/komputa.v8i1.4370
Styawati, N. H. (2021). Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine. Jurnal Iformatika Pengembangan IT, 6(3). doi:https://doi.org/10.30591/jpit.v6i3.2870
Sulistiani, D., & Muludi, K. (2018). Klasifikasi Analisis Sentimen Review Smartphone dengan Support Vector Machine. Jurnal Teknologi dan Sistem Komputer, 6(2), 64–
https://doi.org/10.14710/jtsiskom.6.2.2018.64-70
Wicaksono, A. P., & Mulyanto, E. (2021). Analisis Sentimen Twitter Berbahasa Indonesia Menggunakan SVM dan Naïve Bayes. Jurnal Teknologi Informasi dan Komunikasi.
