ANALISIS TERHADAP KEBIJAKAN EFISIENSI ANGGARAN PRABOWO-GIBRAN PADA PLATFORM XMENGGUNAKAN ALGORITMA SUPPORT VECTOR MACHINE (SVM) BERBASIS PARTICLE SWARM OPTIMIZATION (PSO)

Platform media sosial X menjadi ruang bagi masyarakat Indonesia untuk menyampaikan
pandangan mereka terhadap kebijakan pemerintah, terutama kebijakan efisiensi anggaran.
Namun, pandangan yang beragam sulit disimpulkan secara objektif tanpa adanya analisis
sentimen. Penelitian ini memiliki tujuan untuk mengklasifikasikan sentimen masyarakat
dengan menerapkan algoritman Support Vector Machine (SVM) yang dioptimalkan
menggunakan Particle Swarm Optimization (PSO). Pendekatan yang digunakan dalam
penelitian ini adalah Cross-Industry Standard Process for Data mining (CRISP-DM). dataset
yang dikumpulkan dari platform X, kemudian diberi label menjadi dua kategori sentimen, yaitu
positif dan negatif. Setelah itu, data mengalami proses pre-processing dan dilakukan
pemodelan algoritma. pengujian dilakukan pada dua model : SVM dan SVM yang
dioptimalkan dengan PSO. Model SVM menghasilkan akurasi terbaik sebesar 82%. Sementara
itu, model SVM yang dioptimalkan dengan PSO mampu meningkatkan kaurasi sebesar 3%
sehingga mencapai 85%. Penerapan PSO pada SVM terbukti dapat mengatasi keterbatan dalam
pemilihan parameter dan meningkatkan performa klasifikasi sentimen. Hal ini menunjukkan
bahwa pendekatan berbasis optimasi dapat menjadi solusi efektif dalam analisis opini publik
pada paltform media sosial.
Kata Kunci : Efisiensi Anggaran, Analisis Sentimen, Media Sosial X, Support Vector Machine
(SVM) , Particle Swarm Optimization (PSO), CRISP-DM.