Analisis Sentimen Terkait Kasus Korupsi Timah Pada Aplikasi X Menggunakan Algoritma Support Vector Machine

Abstract

Kasus dugaan korupsi yang melibatkan PT Timah Tbk dengan estimasi kerugian negara sebesar Rp 271 triliun telah memicu respons luas dari masyarakat, khususnya melalui media sosial X (dahulu Twitter). Penelitian ini bertujuan untuk menganalisis sentimen publik terhadap kasus tersebut menggunakan algoritma Support Vector Machine (SVM). Data diperoleh dari platform X menggunakan kata kunci tertentu, menghasilkan 107 tweet yang kemudian melalui proses pra-pemrosesan dan pelabelan otomatis dengan metode berbasis leksikon (lexicon-based). Proses klasifikasi sentimen dilakukan dengan algoritma SVM, sementara ekstraksi fitur dilakukan menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF). Hasil evaluasi menunjukkan bahwa model mencapai akurasi sebesar 98%, dengan precision 98% dan recall 100% untuk sentimen negatif, serta precision 100% dan recall 60% untuk sentimen positif. Berdasarkan confusion matrix, sebesar 95,33% data diklasifikasikan sebagai negatif secara benar (True Negative), 2,80% sebagai positif secara benar (True Positive), dan 1,87% salah diklasifikasikan (False Negative), tanpa terdapat kesalahan klasifikasi positif palsu (False Positive). Temuan ini menunjukkan dominasi opini negatif terhadap kasus tersebut dan menegaskan efektivitas SVM dalam analisis sentimen publik. Penelitian ini diharapkan menjadi acuan dalam memahami persepsi masyarakat dan pengambilan keputusan berbasis data terhadap isu sosial-politik di Indonesia.