ANALISIS SENTIMEN KOMENTAR PENGGUNA TIKTOK SEPUTAR MOBIL LISTRIK MENGGUNAKAN METODE LEXICON BASED BERBASIS SUPPORT VECTOR MACHINE

Pradiatama Prasetyo Utomo; Bambang Irawan; Willy Prihartono; Edi Wahyudin

Authors

Pradiatama Prasetyo Utomo STMIK IKMI Cirebon, Indonesia
Bambang Irawan STMIK IKMI Cirebon, Indonesia
Willy Prihartono STMIK IKMI Cirebon, Indonesia
Edi Wahyudin STMIK IKMI Cirebon, Indonesia

Keywords:

Analisis Sentimen, Tiktok, Mobil Listrik, Lexicon Based, Support vector machine

Abstract

Perkembangan kendaraan listrik di Indonesia memunculkan beragam opini publik di media sosial, salah satunya melalui komentar pengguna TikTok. Namun, karakteristik bahasa pada platform tersebut yang sarat dengan singkatan, bahasa tidak baku, emotikon, serta ekspresi informal lainnya seringkali menyulitkan proses analisis sentimen. Penelitian ini bertujuan untuk menganalisis sentimen komentar pengguna TikTok terhadap mobil listrik dengan menerapkan metode lexicon-Based untuk pelabelan awal dan algoritma support vector machine (SVM) untuk klasifikasi sentimen. Data dikumpulkan melalui proses web scraping menggunakan Apify dan menghasilkan 4.000 komentar. Selanjutnya dilakukan Preprocessing yang meliputi cleansing, case folding, tokenizing, stopword removal, dan stemming untuk menormalkan bentuk bahasa informal. Pelabelan sentimen dilakukan menggunakan Indonesian Sentiment Lexicon (InSet) dengan menghitung skor polaritas berdasarkan jumlah kata positif dan negatif dalam setiap komentar. Data yang telah dilabel kemudian diubah menjadi representasi TF-IDF dan diklasifikasikan menggunakan algoritma SVM dengan pembagian data latih dan data uji sebesar 80:20. Hasil penelitian menunjukkan bahwa karakteristik bahasa pengguna TikTok yang tidak baku dan dinamis berpengaruh terhadap kebutuhan Preprocessing yang kuat agar analisis sentimen dapat dilakukan secara akurat. Metode lexicon-Based mampu memberikan pelabelan awal, meskipun memiliki keterbatasan dalam menangkap konteks emosional dan sarkasme. Sementara itu, model SVM menghasilkan akurasi sebesar 88,25%, dengan nilai precision, recall, dan f1-score yang seimbang pada kedua kelas sentimen. Secara keseluruhan, penelitian ini menunjukkan bahwa kombinasi antara Preprocessing yang komprehensif, pelabelan berbasis leksikon, dan klasifikasi menggunakan SVM dapat memberikan analisis sentimen yang efektif terhadap komentar TikTok mengenai mobil listrik. Temuan ini diharapkan dapat menjadi acuan dalam memahami opini publik serta pengembangan sistem analisis sentimen untuk keperluan penelitian maupun strategi komunikasi di bidang otomotif dan energi.

References

A. Prasetyo and S. Wibowo, “Digital Transformation in Southeast Asia: Challenges and Opportunities,” Journal of Information Systems Research, vol. 12, no. 2, pp. 50–62, 2023.

D. A. Putri, A. Santoso, and N. Fadilah, “Random Forest untuk Klasifikasi Sentimen Data Tidak Seimbang,” Jurnal Teknologi dan Sistem Komputer, vol. 10, no. 4, pp. 340–347, 2022.

APJII, “Laporan Survei Internet Indonesia 2025,” Asosiasi Penyelenggara Jasa Internet Indonesia, 2025.

L. Suryani, “Media Sosial dan Perkembangan Komunikasi Digital di Indonesia,” Jurnal Informatika Indonesia, vol. 10, no. 1, pp. 15–25, 2024.

A. Putra and D. Rahman, “Application of Text Mining and Machine Learning for Public Sentiment Understanding in Digital Data Analysis,” Journal of Informatics and Data Science, vol. 6, no. 2, pp. 120–132, 2024.

D. Rahman, “Analisis Text Mining pada Media Sosial di Indonesia,” Jurnal Teknologi Informasi, vol. 8, no. 3, pp. 112–120, 2021.

M. Fauzan, “Karakteristik Bahasa Pengguna TikTok di Indonesia,” Jurnal Linguistik Digital, vol. 2, no. 1, pp. 45–55, 2023.

R. Nugraha, “Text Preprocessing Techniques for Indonesian Social Media BT - International Conference on Data and AI,” 2022, pp. 120–127.

H. Satria and B. Kurniawan, “Public Perception of Electric Vehicles in Indonesia,” Energy Policy and Society Journal, vol. 5, no. 2, pp. 80–92, 2024.

Kemenperin, “Peta Jalan Kendaraan Listrik Indonesia 2030,” Kementerian Perindustrian Republik Indonesia, 2024.

Y. Handayani, “Analisis Opini Publik Terhadap Transisi Energi,” Jurnal Kebijakan Energi Indonesia, pp. 33–45, 2023.

I. Putra and F. Hidayat, “Lexicon-Based Sentiment Analysis for Indonesian Social Media,” Jurnal Data Sains Indonesia, vol. 4, no. 2, pp. 88–97, 2021.

D. Sari, B. Nugroho, and R. Pratama, “Limitations of Lexicon-Based Sentiment Analysis on Informal Indonesian Social Media Text,” Journal of Natural Language Processing and Computing, vol. 8, no. 1, pp. 55–66, 2022.

A. Nugroho and T. Pratama, “Sentiment Analysis on Electric Vehicle Adoption in Indonesia,” Procedia Computer Science, pp. 400–409, 2023.

R. Simanjuntak, “Public Perception Analysis of Electric Vehicles on Social Media: Opportunities for Hybrid Sentiment Classification Methods,” Indonesian Journal of Information and Data Analysis, vol. 9, no. 1, pp. 45–58, 2024.

S. Mulyani, “Handling Informal Language Variations in Indonesian Social Media Comments for Improved Text Classification,” Journal of Social Media Text Analytics, vol. 4, no. 2, pp. 89–102, 2022.

A. Fadillah and B. Setiawan, “Indonesian TikTok Linguistic Variations and Their Implications for Natural Language Processing,” Journal of Indonesian Language Technology, vol. 6, no. 1, pp. 72–84, 2024.

R. Wijaya, “Evaluating the Effectiveness of Hybrid Lexicon-Based and SVM Approaches in Public Sentiment Detection on Emerging Energy Technologies,” Journal of Energy Informatics and Public Perception, vol. 5, no. 1, pp. 33–47, 2023.

A. Hidayat, “Text Mining Techniques for Processing Indonesian Social Media Comments: From Web Scraping to Preprocessing,” Journal of Indonesian Data Science, vol. 3, no. 2, pp. 56–70, 2022.

M. Sari and L. Dewi, “Development of an Indonesian Sentiment Lexicon Adapted for Informal Social Media Language,” Journal of Indonesian Language and Sentiment Analysis, vol. 2, no. 1, pp. 40–54, 2021.

R. Wibowo, Machine Learning for Text Classification. Yogyakarta: Andi Publisher, 2024.

N. Aulia and N. Pratama, “Evaluating Machine Learning Models for Sentiment Analysis,” Indonesian Journal of AI Research, pp. 72–80, 2023.

A. Putri, D. Santoso, and R. Nugraha, “Analisis Sentimen Media Sosial Menggunakan Metode Lexicon-Based dan Support Vector Machine,” Jurnal Teknologi Informasi dan Ilmu Komputer, vol. 9, no. 2, pp. 145–156, 2022.