ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN PENGGABUNGAN BIAYA PARKIR PADA STNK DI MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE

Afadisan, Muhammad Revario (2026) ANALISIS SENTIMEN MASYARAKAT TERHADAP KEBIJAKAN PENGGABUNGAN BIAYA PARKIR PADA STNK DI MEDIA SOSIAL MENGGUNAKAN METODE SUPPORT VECTOR MACHINE. ["eprint_fieldopt_thesis_type_skripsi" not defined] thesis, Institut Teknologi Nasional Malang.

	Text 2218071_COVER.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (7MB)
	Text 2218071_BAB I.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (219kB)
	Text 2218071_BAB II.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (296kB) | Request a copy
	Text 2218071_BAB III.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (954kB) | Request a copy
	Text 2218071_BAB IV.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (1MB) | Request a copy
	Text 2218071_BAB V.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (198kB) | Request a copy
	Text 2218071_DAFTAR PUSTAKA.pdf Available under License Creative Commons Attribution Non-commercial Share Alike. Download (228kB)
	Text 2218071_LAMPIRAN.pdf Restricted to Registered users only Available under License Creative Commons Attribution Non-commercial Share Alike. Download (3MB) | Request a copy

Abstract

Kebijakan penggabungan biaya parkir ke dalam STNK memicu perdebatan publik yang luas di media sosial. Dengan menggunakan algoritma Support Vector Machine dan ekstraksi fitur Term Frequency-Inverse Document Frequency, penelitian ini bertujuan untuk menganalisis sentimen masyarakat terhadap kebijakan tersebut. Pemilihan algoritma Support Vector Machine didasari atas kemampuannya sebagai metode supervised learning yang andal dalam membangun batas maximum-margin classifier guna meminimalisasi risiko kesalahan klasifikasi, serta keluwesannya dalam memproses kompleksitas data yang non-linear melalui pemanfaatan teknik kernel trick. Data opini publik dikumpulkan melalui teknik scraping dari media sosial pada periode 11 Februari hingga 16 April 2026. Tahapan preprocessing teks bahasa Indonesia yang diterapkan meliputi case folding, cleansing, tokenizing, normalisasi, stopword removal, dan stemming. Selain analisis sentimen, penelitian ini juga mengembangkan sistem berbasis web menggunakan framework Laravel yang dilengkapi fitur Role-Based Access Control untuk memisahkan hak akses peran Admin dan User. Hasil pengujian performa model menggunakan confusion matrix menunjukkan tingkat akurasi yang sangat baik sebesar 96,82%, dengan presisi 50%, recall 30,77%, dan F1-Score 38,1%. Fungsionalitas sistem divalidasi melalui pengujian End-to-End menggunakan framework Playwright untuk memastikan seluruh alur kerja aplikasi terintegrasi dengan baik. Secara keseluruhan, visualisasi data pada dashboard menyajikan kecenderungan opini publik sebagai wawasan bagi pemangku kebijakan.

Item Type:	Thesis (["eprint_fieldopt_thesis_type_skripsi" not defined])
Additional Information:	Muhammad Revario Afadisan (2218071)
Uncontrolled Keywords:	Analisis sentimen, Support Vector Machine, TF-IDF, Kebijakan Publik, preprocessing teks
Subjects:	Engineering > Informatics Engineering
Divisions:	Fakultas Teknologi Industri > Teknik Informatika S1 > Teknik Informatika S1(Skripsi)
Depositing User:	Septiani Rosydah
Date Deposited:	11 Aug 2026 04:18
Last Modified:	11 Aug 2026 04:18
URI:	http://eprints.itn.ac.id/id/eprint/16367

Actions (login required)

View Item