EUVIMEDEUVIMED entdecken
Open Access · CC BY-NC-SA 4.0

ANALISIS SENTIMEN PUBLIK TERHADAP BENCANA BANJIR DI SUMATERA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PLATFORM MEDIA SOSIAL

Najwa Mufida Syahanim, Samuel Silalahi, Sylvia Yolanda Sri Yanti Hia Group, Agrin Maha, Yennimar

Rabit : Jurnal Teknologi dan Sistem Informasi Univrab · 10.07.2026 · 11 (2) · 2716-2727

DOI: 10.36341/rabit.v11i2.7880 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, online erschienen am 10.07.2026. Verfasst von Najwa Mufida Syahanim und 4 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-NC-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Banjir menjadi satu diantara jenis bencana alam yang paling banyak terjadi di wilayah Sumatera dan menyebabkan berbagai reaksi dari masyarakat yang banyak dibagikan lewat media sosial, terutama di platform X (Twitter). Penelitian ini bertujuan untuk menganalisis pandangan publik terhadap bencana banjir di Sumatera dengan memanfaatkan algoritma Support Vector Machine (SVM). Data didapatkan berdasarkan proses pengambilan tweet dengan tagar prayforsumatera, PrayForSumatera, prayforsumatra, dan PrayforSumatra dari tanggal 27 November 2025 hingga 13 Januari 2026, dengan total 1.364 tweet dalam bahasa Indonesia. Proses penelitian melibatkan tahap preproses data (pembersihan, penyesuaian huruf kecil, penandaan kata, penghapusan kata yang tidak penting serta penggambaran kata dasar), penandaan sentimen otomatis dengan menggunakan leksikon VADER serta ambang batas standar (skor komposit ≥ 0,05 = positif; ≤ -0,05 = negatif; di antaranya = netral), ekstraksi fitur berdasarkan TF-IDF (3.000 fitur, n-gram 1–2), pembagian data untuk pelatihan dan pengujian dengan proporsi 80:20, serta pemodelan klasifikasi melalui SVM yang dioptimalkan dengan GridSearchCV. Hasil penandaan menunjukkan distribusi sentimen berupa 603 data positif (44,21%), 499 data negatif (36,58%), dan 262 data netral (19,21%). Parameter terbaik ditemukan dengan nilai C=1, weight kelas='balanced', dan kernel linear yang menghasilkan skor F1-macro CV sebesar 0,6260. Model klasifikasi yang dikembangkan menghasilkan akurasi yakni 71% pada 273 data uji dengan makro rata-rata F1-score 0,68 dan rata-rata tertimbang 0,71. Temuan ini menunjukkan bahwa SVM dapat mengidentifikasi sentimen publik mengenai bencana banjir di Sumatera dengan performa yang cukup baik, meskipun pengkategorian pada kelas netral lebih sulit lantaran karakteristik teks yang tidak jelas.

Zitieren

APA

Syahanim, N. M., Silalahi, S., Group, S. Y. S. Y. H., Maha, A., & Yennimar (2026). ANALISIS SENTIMEN PUBLIK TERHADAP BENCANA BANJIR DI SUMATERA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PLATFORM MEDIA SOSIAL. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, 11(2), 2716-2727. https://doi.org/10.36341/rabit.v11i2.7880

Vancouver

Syahanim NM, Silalahi S, Group SYSYH, Maha A, Yennimar. ANALISIS SENTIMEN PUBLIK TERHADAP BENCANA BANJIR DI SUMATERA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PLATFORM MEDIA SOSIAL. Rabit : Jurnal Teknologi dan Sistem Informasi Univrab. 2026;11(2):2716-2727. doi:10.36341/rabit.v11i2.7880

BibTeX
@article{Syahanim2026,
  author = {Syahanim, Najwa Mufida and Silalahi, Samuel and Group, Sylvia Yolanda Sri Yanti Hia and Maha, Agrin and Yennimar},
  title = {ANALISIS SENTIMEN PUBLIK TERHADAP BENCANA BANJIR DI SUMATERA MENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE PADA PLATFORM MEDIA SOSIAL},
  journal = {Rabit : Jurnal Teknologi dan Sistem Informasi Univrab},
  year = {2026},
  volume = {11},
  number = {2},
  pages = {2716--2727},
  doi = {10.36341/rabit.v11i2.7880}
}
Kostenlos starten →