1 research outputs found
Analisis Sentimen Pada Tweet Buzzer Politik Indonesia Menggunakan Metode SVM
No full textMenjelang periode pemilihan umum di Indonesia, aktivitas buzzer politik di media sosial, khususnya Twitter, menunjukkan peningkatan signifikan. Keberadaan mereka memiliki potensi besar dalam memengaruhi opini publik dan memperkuat polarisasi politik di ruang digital. Penelitian ini bertujuan untuk melakukan analisis sentimen dan identifikasi topik terhadap tweet yang dipublikasikan oleh akun-akun yang terindikasi sebagai buzzer politik di Indonesia. Data dikumpulkan dari tweet akun-akun yang telah terverifikasi sebagai buzzer, kemudian melalui tahapan preprocessing, ekstraksi fitur menggunakan metode Term Frequency-Inverse Document Frequency (TF-IDF), klasifikasi sentimen dengan algoritma Support Vector Machine (SVM), serta pemodelan topik. Hasil menunjukkan bahwa model SVM mencapai akurasi sebesar 0,66, dengan precision 0,64, recall 0,66, dan F1-score 0,63. Capaian ini mengindikasikan bahwa metode SVM cukup efektif dalam mengklasifikasikan sentimen dalam konteks opini politik digital. Temuan ini memberikan kontribusi terhadap pemahaman dinamika komunikasi politik di media sosial serta peran buzzer dalam membentuk opini publik secara daring.
