Pembentukan BPI Danantara memicu dinamika opini publik di media sosial X yang memerlukan analisis objektif karena persebaran data yang tidak terstruktur. Penelitian ini bertujuan mengklasifikasikan sentimen publik terhadap isu Danantara ke dalam kategori positif, negatif, dan netral serta mengevaluasi performa algoritma Support Vector Machine (SVM). Menggunakan kerangka CRISP-DM, data opini publik diproses melalui tahap preprocessing, pelabelan otomatis dengan InSet Lexicon, ekstraksi fitur TF-IDF, klasifikasi SVM, serta visualisasi berbasis Streamlit. Hasil penelitian menunjukkan bahwa algoritma SVM mampu menghasilkan akurasi sebesar 78.07% Distribusi sentimen publik didominasi oleh sentimen negatif sebesar 59% diikuti oleh sentimen positif sebesar 29,7% dan sentimen netral sebesar 11.3% Hasil ini memberikan gambaran objektif mengenai persepsi masyarakat yang dapat dijadikan acuan evaluasi bagi pemangku kepentingan.
References
[1] D. Tiarawati, G. H. Purwanto, and A. E. Alamanda, “Urgensi Pembentukan Badan Pengelola Investasi Daya Anagata Nusantara ( Danantara ) dalam Sistem Investasi di Indonesia,” pp. 4521–4530, 2026.
[2] J. B. Sitepu, S. Ramadani, and M. Khadapi, “Global Research and Innovation Journal ( Great ) Analisis Sentimen Pengguna Media Twitter Terhadap Kurikulum Merdeka Menggunkan Algoritma Support Vector Machine ( SVM ) Kurikulum Merdeka merupakan kebijakan terbaru dari Kementerian Pendidikan , Kebudayaa,” vol. 1, pp. 223–228, 2025.
[3] N. Hadi and D. Sugiarto, “Analisis Sentimen Pembangunan IKN pada Media Sosial X Menggunakan Algoritma SVM, Logistic Regression dan Naïve Bayes,” J. Inform. J. Pengemb. IT, vol. 10, no. 1, pp. 37–49, 2025, doi: 10.30591/jpit.v10i1.7106.
[4] H. D. A. Hilda and M. R. Nashrullah, “Sentiment Analysis of Measuring Public Perception on Social Media X towards Danantara Using Support Vector Machine Algorithm,” J. Sist., vol. 1, no. 2, pp. 1–9, 2025, doi: 10.33364/sistematik/v.1-1.2403.