Eksplorasi Sentimen Publik di Media Sosial terhadap Isu RUU TNI Menggunakan Pendekatan Machine Learning
Abstract
The developments regarding the revision of the Indonesian National Armed Forces Law (RUU TNI) have sparked various reactions from the public, most of which have been expressed through social media platforms. This research aims to evaluate public opinion on the TNI Bill issue by utilizing machine learning technology and the Support Vector Machine (SVM) algorithm. Data were collected from three social networks, namely YouTube, Instagram, and X (formerly known as Twitter), with a total of 4,530 data points. The stages of data processing include web scraping, data cleaning, text preprocessing, automatic labelling using textblob, word weighting through TF-IDF, and data balancing using the SMOTE method. The sentiment classification results reveal that the majority of public opinions are positive and neutral, with the highest model accuracy achieved at parameter C = 1, namely 94.60% for YouTube, 95.80% for Instagram, and 97.33% for X. These findings demonstrate the effectiveness of the SVM approach in categorizing public opinions generated from social media, and imply that social media serves as an important source for understanding public views on national policy issues.
Keywords: Machine Learning; Support Vector Machine; SMOTE; Text Mining; TF IDF
Abstrak
Perkembangan mengenai revisi Undang-Undang Tentara Nasional Indonesia (RUU TNI) telah menimbulkan berbagai reaksi dari masyarakat, yang sebagian besar disampaikan melalui platform media sosial. Penelitian ini bertujuan untuk mengevaluasi pandangan publik terhadap isu RUU TNI dengan memanfaatkan teknologi pembelajaran mesin dan algoritma Support Vector Machine (SVM). Data dikumpulkan dari tiga jejaring sosial, yaitu YouTube, Instagram, dan X (yang sebelumnya dikenal sebagai Twitter), dengan total sebanyak 4.530 data. Tahapan pengolahan data mencakup web scraping, pembersihan data, pra-pemrosesan teks, pelabelan otomatis menggunakan TextBlob, pemberian bobot kata melalui TF-IDF, serta penyeimbangan data dengan metode SMOTE. Hasil klasifikasi sentimen mengungkapkan bahwa sebagian besar pendapat masyarakat bersifat positif dan netral, dengan akurasi tertinggi dari model dicapai pada parameter C = 1, yaitu 94,60% untuk YouTube, 95,80% untuk Instagram, dan 97,33% untuk X. Temuan ini menunjukkan efektivitas pendekatan SVM dalam mengkategorikan pendapat publik yang dihasilkan dari media sosial, serta menyiratkan bahwa media sosial berfungsi sebagai sumber penting untuk memahami pandangan masyarakat terhadap masalah kebijakan nasional.
Kata kunci: Machine Learning; Support Vector Machine; SMOTE; Text Mining; TF IDF
References
Dewan Perwakilan Rakyat Republik Indonesia, "Rancangan Undang Undang Perubahan Atas Undang-UNDANG NOMOR 34 Tahun 2004 Tentang Tentara Nasional Indonesia," in Sidang Paripurna, Jakarta, 2024.
P. Durga and D. Godavarthi, "Deep-Sentiment: An Effective Deep Sentiment Analysis using a Decision-based Recurrent Neural Network (D-RNN)," IEEE Access, vol. 11, no. 2, pp. 108433-108447, 2023.
B. H. Hayadi and I. Maulita, "Sentiment Analysis of Public Discourse on Education in Indonesia Using Support Vector Machine (SVM) and Natural Language Processing," Journal of Digital Society, vol. 1, no. 1, pp. 68-90, 2025.
Y. V. Wijaya, A. Erfina and C. Warman, "Analisis Sentimen Seputar UU ITE Menggunakan Algoritma Support Vector Machine," Progresif: Jurnal Ilmiah Komputer, vol. 17, no. 2, pp. 1-14, 2021.
Wardianto, P. M. Jakak and M. Rohman, "Analisis Sentimen Public Program Makan Bergizi Gratis Platform Instagram dengan Algoritma Support Vector Machine," SMARTICS, vol. 11, no. 1, pp. 14-20, 2025.
A. M. Husein, B. Sipahutar, R. Dashuah and E. Hutauruk, "Sentiment Analysis Od Face To Face School Policy On Twitter Social Media With Support Vector Machine(SVM)," Sinkron : Jurnal Dan Penelitian Teknik Informatika, vol. 7, no. 1, pp. 480-486, 2023.
P. M. N. Dharmapatni and N. L. P. Merawati, "Penerapan Algoritma Support Vector Machine Dalam Sentimen Analisis Terkait Kenaikan Tarif BPJS Kesehatan," Jurnal Bumigora Information Technology (BITe), vol. 2, no. 2, pp. 105-112, 2020.
I. Amelia, Sugiyono, F. M. Sarimole and Tundo, "Analisis Sentimen Tanggapan Pengguna Media Sosial X Terhadap Program Beasiswa KIP-Kuliah dengan Menggunakan Algoritma Support Vector Machine (SVM)," Jurnal Indonesia : Manajemen Informatika Dan Komunikasi, vol. 5, no. 3, pp. 2994-3003, 2024.
C. B. Vista, O. M. Sihono and A. T. Firdausi, "Analisis Sentimen Kebijakan Pembelajaran Tatap Muka Selama Pandemi Covid-19 Menggunakan Metode Support Vector Machine," Jurnal Informatika Polinema, vol. 9, no. 3, pp. 259-264, 2023.
O. I. Gifari, M. Adha, I. R. Hendrawan and F. F. S. Durrand, "Film Review Sentiment Analysis Using TF-IDF and Support Vector Machine," Journal of Information Technology, vol. 2, no. 1, pp. 36-40, 2022.
H. Leidiyana, T. Misriati and R. Aryanti, "Klasifikasi Sentimen Terhadap Kebijakan Tapera Menggunakan Komparasi Machine Learning dan SMOTE," Jurnal Komtika (Komputasi dan Informatika), vol. 8, no. 2, pp. 125-135, 2024.
International Business Machines, "Apa itu Support Vector Machines?," International Business Machines, 27 Desember 2023. [Online]. Available: https://www.ibm.com/id-id/think/topics/support-vector-machine. [Accessed 28 Juli 2025].
F. Rahmadayana and Y. Sibaroni, "Sentiment Analysis of Work from Home Activity using SVM with Randomized Search Optimization," JURNAL RESTI (Rekayasa Sistem dan Teknologi Informasi), vol. 5, no. 5, pp. 936-942, 2021.
P. L. Romadloni, B. A. Kusuma and W. M. Baihaqi, "Komparasi Metode Pembelajaran Mesin Untuk Implementasi Pengambilan Keputusan Dalam Menentukan Promosi Jabatan Karyawan," JATI(Jurnal Mahasiswa Teknik Informatika), vol. 6, no. 2, pp. 622-628, 2022.
A. A. Nurhasananda and M. Akbar, "Analisis Sentimen Masyarakat Terhadap Kebijakan Undang-Undang Tentara Nasional Indonesia (UU TNI) Menggunakan Support Vector Machine," Jurnal Komputer, Informasi Dan Teknologi, vol. 5, no. 2, pp. 1-14, 2025.
R. A. Hasibuan, D. E. Ratnawati and R. S. Perdana, "Analisis Sentimen Kebijakan Ekspor Pasir Laut pada Sosial Media Twitter Menggunakan Algoritma Support Vector Machine," Jurnal Sistem Informasi, Teknologi Informasi, Dan Edukasi Sistem Informasi, vol. 5, no. 1, pp. 24-33, 2024.
How To Cite This :
Refbacks
- There are currently no refbacks.
