Analisis Sentimen Mengenai Penerimaan Calon Pegawai Negeri Sipil Tahun 2024 Menggunakan Support Vector Machine
Abstract
The 2024 Civil Servants Candidates (CPNS) recruitment has attracted public attention with various opinions reflecting societal sentiment. This study applies machine learning and text mining techniques to analyze sentiment based on comments collected from various sources. The process begins with text preprocessing, including tokenization, stopword removal, and text transformation using TF-IDF. The Support Vector Machine (SVM) model is used to classify sentiment into positive and negative categories. The data is divided into training and testing sets to evaluate the model's performance. Experimental results show that the model achieves an accuracy of 82.5%, indicating a fairly good performance in recognizing public opinion patterns. This analysis provides insights into aspects that are appreciated or criticized by the public regarding the 2024 CPNS recruitment. These findings can be utilized by policymakers to develop more responsive strategies that address public needs and expectations in the CPNS selection process.
Keyword: Machine Learning; Text Mining; Civil Servants Candidates; Support Vector Machine
Abstrak
Penerimaan Calon Pegawai Negeri Sipil (CPNS) 2024 menarik perhatian publik dengan berbagai opini yang mencerminkan sentimen masyarakat. Penelitian ini menerapkan machine learning dan teknik text mining untuk menganalisis sentimen berdasarkan komentar yang dikumpulkan dari berbagai sumber. Proses dimulai dengan pra-pemrosesan teks, termasuk tokenisasi, penghapusan stopwords, serta transformasi teks menggunakan TF-IDF. Model Support Vector Machine (SVM) digunakan untuk mengklasifikasikan sentimen menjadi positif dan negatif. Data dibagi menjadi data pelatihan dan pengujian dengan perbandingan 80% data training dan 20% data uji guna mengevaluasi kinerja model. Hasil eksperimen menunjukkan bahwa model mencapai akurasi 82,5%, menandakan kinerja yang cukup baik dalam mengenali pola opini masyarakat. Analisis ini memberikan wawasan mengenai aspek yang diapresiasi maupun dikritik oleh publik terkait penerimaan CPNS 2024. Temuan ini dapat dimanfaatkan oleh pemangku kebijakan untuk merancang strategi yang lebih responsif terhadap kebutuhan dan harapan masyarakat dalam proses seleksi CPNS.
Kata kunci: Machine Learning; Text Mining; Calon Pegawai Negeri Sipil; Support Vector Machine
References
M. Nurkarifin, T. I. Hermanto, and M. G. Resmi, “Analisis Sentimen Terhadap Aplikasi Lowongan Kerja Menggunakan Lexicon Based Features Dan Support Vector Machine,” Jutisi J. Ilm. Tek. Inform. Dan Sist. Inf., vol. 13, no. 1, p. 505, May 2024, doi: 10.35889/jutisi.v13i1.1867.
P. Arsi and R. Waluyo, “Analisis Sentimen Wacana Pemindahan Ibu Kota Indonesia Menggunakan Algoritma Support Vector Machine (SVM),” J. Teknol. Inf. Dan Ilmu Komput., vol. 8, no. 1, p. 147-151, Feb. 2021, doi: 10.25126/jtiik.0813944.
E. Hartati, “Penggunaan Klasifikasi Sayur Segar dan Sayur Busuk Mengunakan Algoritma Support Vector Machine,” J. Tek. Inform. Dan Sist. Inf., vol. Vol 07, No 03, pp. 678–687, Desember 2020.
A. Nofandi, N. Y. Setiawan, and D. W. Brata, “Analisis Sentimen Ulasan Pelanggan dengan Metode Support Vector Machine (SVM) untuk Peningkatan Kualitas Layanan pada Restoran Warung Wareg,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 7, no. 1, pp. 458–466, 2023.
A. R. Isnain, A. I. Sakti, D. Alita, and N. S. Marga, “Sentimen Analisis Publik Terhadap Kebijakan Lockdown Pemerintah Jakarta Menggunakan Algoritma SVM,” J. Data Min. Dan Sist. Inf., vol. 2, no. 1, pp. 31-41, Feb. 2021, doi: 10.33365/jdmsi.v2i1.1021.
F. N. Hidayat and S. Sugiyono, “Analisis Sentimen Masyarakat Terhadap Perekrutan Pppk Pada Twitter Dengan Metode Naive Bayes Dan Support Vector Machine,” J. Sains Dan Teknol., vol. 5, no. 2, pp. 665–672, Dec. 2023, doi: 10.55338/saintek.v5i2.1359.
R. Chairunnisa, “Analisis Sentimen terhadap Karyawan Dirumahkan pada Media Sosial Twitter menggunakan Fitur N-Gram dan Pembobotan Augmented TF – IDF Probability dengan K-Nearest Neighbour,” J. Pengemb. Teknol. Inf. Dan Ilmu Komput., vol. 6, no. 4, pp. 1960–1965, 2022.
Susi, “Analisis Sentimen Cuitan Twitter Pada Proses Seleksi CPNS Menggunakan Algoritma Ensembles Vote,” IKRAM: Jurnal Ilmu Komputer Al Muslim, vol. 1, no. 1, pp. 42–46, 2022.
A. H. Lubis, L. P. A. Lubis, and Sriani, “Sentiment analysis on twitter about the death penalty using the support vector machine method,” TEKNOSAINS J. Sains Teknol. Dan Inform., vol. 11, no. 2, pp. 312–321, 2024, doi: 10.37373.
Friska Aditia Indriyani, Ahmad Fauzi, and Sutan Faisal, “Analisis sentimen aplikasi tiktok menggunakan algoritma naïve bayes dan support vector machine,” TEKNOSAINS J. Sains Teknol. Dan Inform., vol. 10, no. 2, pp. 176–184, Jul. 2023, doi: 10.37373/tekno.v10i2.419.
M. A. P. Ginting and S. Sriani, “Developing a Web-Based Application for Palm Seedling Eligibility Using C5.0 Algorithm and CART Algorithm,” PIKSEL Penelit. Ilmu Komput. Sist. Embed. Log., vol. 12, no. 1, pp. 97–108, Mar. 2024, doi: 10.33558/piksel.v12i1.8810.
M. Furqan, S. Sriani, and S. M. Sari, “Analisis Sentimen Menggunakan K-Nearest Neighbor Terhadap New Normal Masa Covid-19 Di Indonesia,” Techno.Com, vol. 21, no. 1, pp. 51–60, Feb. 2022, doi: 10.33633/tc.v21i1.5446.
R. W. Pulungan, S. Sriani, and A. Armansyah, “Implementation of Naïve Bayes Method Diagnosing Diseases Nile Tilapia,” J. Comput. Netw. Archit. High Perform. Comput., vol. 6, no. 2, pp. 817–828, May 2024, doi: 10.47709/cnahpc.v6i2.3834.
M. Siddik, H. Hendri, R. N. Putri, Y. Desnelita, and G. Gustientiedina, “Klasifikasi Kepuasan Mahasiswa Terhadap Pelayanan Perguruan Tinggi Menggunakan Algoritma Naïve Bayes,” INTECOMS J. Inf. Technol. Comput. Sci., vol. 3, no. 2, pp. 162–166, Nov. 2020, doi: 10.31539/intecoms.v3i2.1654.
A. Handayani and I. Zufria, “Analisis Sentimen Terhadap Bakal Capres RI 2024 di Twitter Menggunakan Algoritma SVM,” J. Inf. Syst. Res. JOSH, vol. 5, no. 1, pp. 53–63, Oct. 2023, doi: 10.47065/josh.v5i1.4379.
I. S. K. Idris, Y. A. Mustofa, and I. A. Salihi, “Analisis Sentimen Terhadap Penggunaan Aplikasi Shopee Mengunakan Algoritma Support Vector Machine (SVM),” Jambura J. Electr. Electron. Eng., vol. 5, no. 1, pp. 32–35, Jan. 2023, doi: 10.37905/jjeee.v5i1.16830.
How To Cite This :
Refbacks
- There are currently no refbacks.
