ANALISIS SENTIMEN TWEET PERANG DAGANG TRUMP-CHINA MENGGUNAKAN METODE SVM BERBASIS SMOTE

Heriyanto; Fachri Amsury; Alisya Shafa Salsabila

doi:10.31949/infotech.v12i1.18510

Authors

Heriyanto Universitas Bina Sarana Informatika, Indonesia
Fachri Amsury Indonesia
Alisya Shafa Salsabila Universitas Bina Sarana Informatika, Indonesia

DOI:

https://doi.org/10.31949/infotech.v12i1.18510

Abstract

Perang dagang antara Amerika Serikat dan China pada masa pemerintahan Donald Trump memberikan dampak ekonomi global, termasuk bagi Indonesia, dan menjadi topik hangat di media sosial X. Penelitian ini bertujuan mengklasifikasikan sentimen masyarakat Indonesia terhadap isu perang tarif tersebut serta mengevaluasi kinerja algoritma Support Vector Machine (SVM) yang dikombinasikan dengan Synthetic Minority Oversampling Technique (SMOTE) dalam menangani ketidakseimbangan data. Pendekatan Knowledge Discovery in Databases (KDD) digunakan dengan mengumpulkan 1.021 tweet berbahasa Indonesia periode Februari–Mei 2025 menggunakan kata kunci “tarif trump indonesia” dan “perang dagang amerika china indonesia”. Setelah preprocessing dan pelabelan, diperoleh 595 tweet negatif dan 426 positif. Evaluasi menunjukkan bahwa model SVM tanpa SMOTE menghasilkan akurasi 84,39%, presisi 85,37%, dan AUC 0,9102. Setelah penerapan SMOTE, kinerja meningkat dengan akurasi 85,71%, presisi 95,74%, dan AUC 0,9449, meskipun recall sedikit menurun. F1-score juga meningkat dari 81,38% menjadi 84,38%. Hasil ini menunjukkan bahwa penerapan SMOTE efektif meningkatkan performa SVM pada data tidak seimbang dan bahwa sentimen publik Indonesia terhadap isu perang tarif cenderung negatif.

Keywords:

Klasifikasi, Sentimen, SVM, SMOTE

Downloads

Download data is not yet available.

References

A.Nurmamurti, R., Faradilla, A. Y., Rismanto, A. I., Afifah, S. N., Hamida, A., & Sari, K. H. (2022). Analisis Kebijakan Luar Negeri Trump : Studi Kasus. 2(1), 62–70.

Amsury, F., Kurniawati, I., & Rizki Fahdia, M. (2023). Implementasi Association Rules Menentukan Pola Pemilihan Menu Di the Gade Coffee & Gold Menggunakan Algoritma Apriori. INFOTECH Journal, 9(1), 279–286. https://doi.org/10.31949/infotech.v9i1.5357

Amsury, F., Ruhyana, N., Saputra, I., & Sulistyowati, D. N. (2020). Classification of Customer Complaints on Instagram Comments Using Naïve Bayes Algorithm With N-Gram Feature Extension. Jurnal Techno Nusa Mandiri, 17(2), 109–116. https://doi.org/10.33480/techno.v17i2.1632

Andriawan, M. G., & Ernawati, T. (2024). PENGGUNAAN ALGORITMA NAÏVE BAYES DAN SUPPORT VECTOR MACHINE UNTUK ANALISIS SENTIMEN KONFLIK. 12(3), 3222–3230.

Ariansyah, A., & Kusmira, M. (2021). Analisis Sentimen Pengaruh Pembelajaran Daring Terhadap Motivasi Belajar Di Masa Pandemi Menggunakan Naive Bayes Dan Svm. Faktor Exacta, 14(3), 100. https://doi.org/10.30998/faktorexacta.v14i3.10325

Atmajaya, D., Febrianti, A., & Darwis, H. (2023). Indonesian Journal of Computer Science. 12(1), 2173–2181.

Cenderawasih, U., Menufandu, D. N., & Cenderawasih, U. (2022). DAMPAK PERANG DAGANG TERHADAP NERACA PERDAGANGAN AMERIKA SERIKAT-CHINA. 2(4), 627–636. https://doi.org/10.53866/jimi.v2i4.175

Ependi, U., & Putra, A. (2019). Solusi Prediksi Persediaan Barang dengan Menggunakan Algoritma Apriori (Studi Kasus: Regional Part Depo Auto 2000 Palembang). Jurnal Edukasi Dan Penelitian Informatika (JEPIN), 5(2), 139. https://doi.org/10.26418/jp.v5i2.32648

Mansourifar, H., & Shi, W. (2020). Deep synthetic minority over-sampling technique. ArXiv, 16, 321–357.

Pranata, B. S., & Utomo, D. P. (2020). Penerapan Data Mining Algoritma FP-Growth Untuk Persediaan Sparepart Pada Bengkel Motor (Study Kasus Bengkel Sinar Service). Bulletin of Information Technology (BIT), 1(2), 83–91.

Rahmi, C., & Sari, A. E. (2024). Dampak Perang Dagang Amerika Serikat Dengan China Terhadap Ekonomi Indonesia Studi Kasus : Dalam bidang Ekspor Kakao. 1(3), 580–591.

Ratna Sari, A. I., & Khaldun, R. I. (2023). Retaliasi China terhadap Amerika Serikat dalam Konteks Perang Dagang. 3(2).

Sitanggang, A., Umaidah, Y., Adam, R. I., Karawang, U. S., & Timur, T. (2024). ANALISIS SENTIMEN MASYARAKAT TERHADAP PROGRAM MAKAN SIANG GRATIS PADA MEDIA. 12(3).

Sitanggang, E. D., Pinem, A., Perangin-angin, J., Sembiring, M., & Saroha Simanjuntak. (2023). Pembangunan dan Pelatihan Penggunaan Website SMK Swasta Teknik Dairi. ULINA: Jurnal Pengabdian Kepada Masyarakat, 1(1), 23–27. https://doi.org/10.58918/ulina.v1i1.191

Wijaya, N., Irsyad, H., & Taqwiym, A. (2022). Pelatihan Pemanfaatan Canva Dalam Mendesain Poster. Fordicate, 1(2), 192–199. https://doi.org/10.35957/fordicate.v1i2.2418

Wilantari, R. N., & Bawono, S. (2021). TANTANGAN DOMINASI AMERIKA SERIKAT OLEH TIONGKOK DALAM PERANG DAGANG. 13(1), 38–42.

Zain, A. F., Azies, H. Al, & Ananda, I. K. (2025). Analisis Sentimen Ulasan Pengguna iPhone dengan Pendekatan Hibrida. 1039–1049. https://doi.org/10.33364/algoritma/v.22-1.2277