Analisis Sentimen Masyarakat Terhadap Kebijakan Undang-Undang Tentara Nasional Indonesia (UU TNI) Menggunakan Support Vector Machine

Adwin Nurhasananda; Mutaqin Akbar

doi:10.53697/jkomitek.v5i1.2603

Authors

Adwin Atinna Nurhasananda Universitas Mercu Buana Yogyakarta
Mutaqin Akbar Universitas Mercu Buana Yogyakarta

DOI:

https://doi.org/10.53697/jkomitek.v5i1.2603

Keywords:

Sentimen masyarakat, UU TNI, Support Vector Machine, TF-IDF, media sosial

Abstract

Revisi Undang-Undang Nomor 34 Tahun 2004 tentang Tentara Nasional Indonesia (TNI) menimbulkan perdebatan pro dan kontra di tengah masyarakat, dalam hal ini berkaitan dengan perluasan peran militer dalam ranah sipil. Tujuan dari penelitian ini untuk menganalisa sentimen oleh masyarakat terhadap Undang-Undang Tentara Nasional Indonesia (UU TNI) melalui data dari media sosial. Data dikumpulkan dari platform X (Twitter) selama periode 1–31 Maret 2025 menggunakan teknik scraping. Setelah dilakukan preprocessing dan pelabelan manual, kemudian data dianalisis menggunakan algoritma Support Vector Machine (SVM) dengan pendekatan pembobotan TF-IDF. Evaluasi terhadap model dilakukan dengan menggunakan teknik 5-Fold Cross Validation dan confusion matrix. Hasil penelitian menunjukkan bahwa model menghasilkan akurasi rata-rata sebesar 78,99% dengan F1-score sebesar 0,83 untuk sentimen negatif. Mayoritas data menunjukkan respons negatif terhadap UU TNI, menandakan adanya kekhawatiran publik terhadap potensi ancaman terhadap demokrasi. Temuan ini menunjukkan bahwa analisis sentimen berbasis media sosial dapat memberikan gambaran objektif mengenai persepsi masyarakat dan menjadi masukan berharga bagi pembuat kebijakan.

References

’Adilah, H. S., & Alit, R. (2023). Analisis Sentimen Masyarakat Twitter Terhadap Kebijakan Pemerintah Dalam Menaikkan Harga Bahan Bakar Minyak Dengan Menggunakan Metode Support Vector Machine. Journal of Informatics and Computer Science (JINACS), 5(02), 201–215. https://doi.org/10.26740/jinacs.v5n02.p201-215

Amran, A., Tamrin, A., Pasanda, D., & Haba, R. (2022). Analisis Hukum Terhadap Perubahan Norma Undang-Undang No.34 Tahun 2004 Tentang Tentara Nasional Indonesia. Sawerigading Law Journal, 1(1), Article 1. https://doi.org/10.62084/slj.v1i1.124

Dzulkarnain, T., Ratnawati, D. E., & Rahayudi, B. (2024). Penggunaan Metode Naïve Bayes Classifier pada Analisis Sentimen Penilaian Masyarakat Terhadap Pelayanan Rumah Sakit di Malang. Jurnal Teknologi Informasi dan Ilmu Komputer, 11(5), 993–1000. https://doi.org/10.25126/jtiik.2024117979

Firdaus, M. F., Ratnawati, D. E., & Setiawan, N. Y. (2024). Analisis Sentimen Berbasis Aspek Pada Ulasan Pelanggan Restoran Menggunakan Algoritma Support Vector Machine (Studi Kasus: Depot Bamara). Jurnal Teknologi Informasi dan Ilmu Komputer, 11(6), 1265–1272. https://doi.org/10.25126/jtiik.2024117564

Fremmuzar, P., & Baita, A. (2023). Uji Kernel SVM dalam Analisis Sentimen Terhadap Layanan Telkomsel di Media Sosial Twitter. Komputika : Jurnal Sistem Komputer, 12(2), 57–66. https://doi.org/10.34010/komputika.v12i2.9460

Frianda, G, I., Sriani, & Suhardi. (2023). Analisis Sentimen Kebijakan Pemberian Subsidi Motor Listrik Menggunakan Metode Support Vector Machine. JURNAL FASILKOM, 13(3), 511–517. https://doi.org/10.37859/jf.v13i3.6225

Hardyatman, I. D., & Hasan, F. N. (2025). Analisis Sentimen Masyarakat Terhadap Rencana Kenaikan PPN 12% Di Indonesia Pada Media Sosial X Menggunakan Metode Decision Tree. Journal of Information System Research (JOSH), 6(2), Article 2. https://doi.org/10.47065/josh.v6i2.6573

Hatta, M. S. (2021). Clustering Pada Data Sentimen Penggunaan Transportasi Online Menggunakan Algoritma Spectral Clustering [Telkom University]. https://repository.telkomuniversity.ac.id/pustaka/174184/clustering-pada-data-sentimen-penggunaan-transportasi-online-menggunakan-algoritma-spectral-clustering.html

Kariawan, I. M., Haerani, H., & Karyati, S. (2022). Peranan Tentara Nasional Indonesia Dalam Penyelengaraan Pertahanan Keamanan Menurut Undang-Undang Nomor 34 Tahun 2004 Tentang Tentara Nasional Indonesia. Unizar Recht Journal (URJ), 1(4). https://urj.unizar.ac.id/urj/article/view/27

Karo, I. M. K., Karo, J. A. K., Yunianto, Y., Hariyanto, H., Falah, M., & Ginting, M. (2023). Analisis Sentimen Ulasan Aplikasi Info BMKG di Google Play Menggunakan TF-IDF dan Support Vector Machine. Journal of Information System Research (JOSH), 4(4), Article 4. https://doi.org/10.47065/josh.v4i4.3943

Kuswandaru, K., & Akbar, M. (2024). Klasifikasi Dialek Bahasa Inggris British dan Amerika menggunakan Support Vector Machine. TIN: Terapan Informatika Nusantara, 4(10), 652–659. https://doi.org/10.47065/tin.v4i10.4965

Maulaya, A. K. & Junadhi. (2022). Analisis Sentimen Menggunakan Support Vector Machine Masyarakat Indonesia Di Twitter Terkait Bjorka. Jurnal CoSciTech (Computer Science and Information Technology), 3(3), 495–500. https://doi.org/10.37859/coscitech.v3i3.4358

Nuzulianto, F. M., & Sukalumba, I. S. (2025). Analisis Dampak UU TNI 2025 Terhadap Potensi Terbentuknya Junta Militer. Jurnal Studi Ilmu Sosial Dan Politik, 5(1), Article 1. https://doi.org/10.35912/jasispol.v5i1.4481

Octa Nuryawan, A. T., Hasbullah, M., Rizal, M., Rajab, M. F., & Agustina, N. (2023). Algoritma Decision Tree Untuk Analisis Sentimen Public Terhadap Marketplace Diindonesia. Naratif : Jurnal Nasional Riset, Aplikasi dan Teknik Informatika, 5(1), 18–25. https://doi.org/10.53580/naratif.v5i1.186

Oktavianus, A., Sinabutar, R. O. F., & Shafa, A. B. (2025). Implikasi Perubahan Undang-Undang TNI Terhadap Struktur Ketatanegaraan Indonesia “Sebuah Kajian Terhadap Pengaruh Dwi Fungsi ABRI.” Khatulistiwa: Jurnal Pendidikan Dan Sosial Humaniora, 5(2), Article 2. https://doi.org/10.55606/khatulistiwa.v5i2.5896

Pratama, H. I., & Prasetyaningrum, P. T. (2025). Penerapan Support Vector Machine untuk Analisis Sentimen pada Google Review Hotel. Journal of Information System Research (JOSH), 6(2), Article 2. https://doi.org/10.47065/josh.v6i2.6645

Putra, A., Haeirudin, D., Khairunnisa, H., & Latifah, R. (2021). Analisis Sentimen Masyarakat Terhadap Kebijakan PPKM Pada Media Sosial Twitter Menggunakan Algoritma Svm. Seminar Nasional Sains dan Teknologi.

Rifqi, M. R. A. F., Armansyah, & Rifqi Al Fauzan, M. (2024). Kombinasi TF-IDF dan Neural Network Untuk Pelayanan Informasi Al-Qur’an Dalam Bentuk Chatbot. JURNAL FASILKOM, 14(2), 318–324. https://doi.org/10.37859/jf.v14i2.7286

Rofiqi, L., & Akbar, M. (2024). Analisis Sentimen Terkait RUU Perampasan Aset dengan Support Vector Machine. JEKIN - Jurnal Teknik Informatika, 4(3), 529–538. https://doi.org/10.58794/jekin.v4i3.824

Romadhona, W., & Isnain, A. R. (2024). Analisis Sentimen Pengguna Media Sosial Terhadap Kebijakan Kenaikan Pajak Hiburan Menggunakan Metode SVM (Support Vector Machine). JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), 9(4), 2185–2195. https://doi.org/10.29100/jipi.v9i4.5603

Sari, D. I., Wati, Y. F., & Widiastuti. (2020). Analisis Sentimen Dan Klasifikasi Tweets Berbahasa Indonesia Terhadap Transportasi Umum Mrt Jakarta Menggunakan Naïve Bayes Classifier. Jurnal Ilmiah Informatika Komputer, 25(1), 64–75. https://doi.org/10.35760/ik.2020.v25i1.2427

Sathyanarayanan, S. (2024). Confusion Matrix-Based Performance Evaluation Metrics. African Journal of Biomedical Research, 4023–4031. https://doi.org/10.53555/AJBR.v27i4S.4345

Wibowo, I. S., Witanti, A., & Susilawati, I. (2024). Keyword Extraction Judul Berita Online Di Indonesia Menggunakan Metode TF-IDF | JATISI (Jurnal Teknik Informatika dan Sistem Informasi). https://jurnal.mdp.ac.id/index.php/jatisi/article/view/6718

Widowati, T. T. (2020). Analisis Sentimen Twitter Terhadap Tokoh Publik Dengan Algoritma Naïve Bayes Dan Support Vector Machine [S1, Universitas Mercu Buana Jakarta]. https://repository.mercubuana.ac.id/61623/

Yusanto, Y., & Akbar, M. (2024). Analisis Sentimen Jogja Darurat Sampah di Twitter menggunakan Ekstraksi Fitur Model Word2Vec dan Convolutional Neural Network. TIN: Terapan Informatika Nusantara, 4(10), 679–686. https://doi.org/10.47065/tin.v4i10.4952