DOI: https://doi.org/10.14710/transmisi.28.4.%25p

Sentimen Analisis Masyrakat Platform X Terhadap Pilihan Jalur Karir Menggunakan Metode Support Vector Machine

*Nazwa Rafilla  -  Program Studi Teknologi Informasi, Fakultas Sains dan Teknologi, Universitas ‘Aisyiyah Yogyakarta Jl. Siliwangi (Ring Road Barat) No.63 Nogotirto, Gamping, Sleman, Yogyakarta, Indonesia
Esi Putri Silmina  -  Program Studi Teknologi Informasi, Fakultas Sains dan Teknologi, Universitas ‘Aisyiyah Yogyakarta Jl. Siliwangi (Ring Road Barat) No.63 Nogotirto, Gamping, Sleman, Yogyakarta, Indonesia
Dikirim: 26 Feb 2026; Diterbitkan: 16 Oct 2026.
Akses Terbuka Copyright (c) 2026 Transmisi: Jurnal Ilmiah Teknik Elektro under http://creativecommons.org/licenses/by-sa/4.0.

Citation Format:
Sari

Pilihan jalur karir merupakan keputusan strategis yang dipengaruhi oleh faktor internal dan eksternal, seperti nilai pribadi, kondisi sosial, serta persepsi terhadap stabilitas dan peluang kerja. Perkembangan media sosial memungkinkan analisis opini publik dilakukan melalui pendekatan analisis sentimen. Penelitian ini bertujuan menganalisis sentimen masyarakat pada Platform X terhadap tiga pilihan jalur karir, yaitu Pegawai Negeri, Pegawai Swasta, dan Wirausaha menggunakan metode SVM. Data dikumpulkan melalui proses scraping pada periode 1 Januari 2017 hingga 30 November 2025 dengan total 14.212 data. Tahapan penelitian meliputi preprocessing, labeling, ekstraksi fitur, serta pemisahan data menggunakan rasio 70:30, 80:20, dan 90:10. Evaluasi model dilakukan menggunakan confusion matrix dengan metrik accuracy, precision, recall, dan F1-score. Hasil pengujian menunjukkan bahwa skema 90:10 memberikan kinerja tertinggi dengan accuracy 75,95% pada Pegawai Negeri, 74,18% pada Pegawai Swasta, dan 73,65% pada Wirausaha. Distribusi sentimen didominasi kategori positif pada ketiga jalur karir. Temuan ini menunjukkan kecenderungan persepsi masyarakat yang positif terhadap pilihan karir dan memberikan gambaran berbasis data untuk mendukung perumusan kebijakan ketenagakerjaan.

Fulltext Email colleagues
Kata Kunci: pilihan karir, platform x, sentimen analisis, SVM

Article Metrics:

Article Info
Bagian: Artikel - Teknologi Informasi dan Komputer
Bahasa : ID
Most cited articles
Analisis Kinerja Sistem MIMO-OFDM pada Kanal Rayleigh dan AWGN dengan Modulasi QPSK PENGENDALIAN pH AIR DENGAN METODE PID PADA MODEL TAMBAK UDANG SISTEM INFORMASI VISITASI AKREDITASI PROGRAM STUDI TEKNIK INFORMATIKA RANCANG BANGUN PURWARUPA ALAT MONITORING DAN KONTROL BEBAN SATU FASA BERBASIS IOT (INTERNET OF THINGS) PERANCANGAN PERANGKAT LUNAK PENDETEKSI SUDUT DAN POSISI MENGGUNAKAN MIKROKONTROLER ATMEGA 32 More cited articles
  1. F. Hulu, Y. Zega, M. H. Waruwu, M. Oktapiani, and P. F. Aziza, “Pengaruh Pengembangan Karir, Hubungan Kerja dan Motivasi Kerja terhadap Kepuasan Kerja Karyawan,” Edunomika, vol. 8, no. 2, p. 2, 2024
  2. A. A. Rachman, A. Fauzi, D. Sudiantini, and T. Yunita, “Pengaruh Perencanaan Karir dan Engagement Karyawan Terhadap Pengembangan Karir Melalui Kepuasan Kerja Sebagai Variabel Mediating Pada PT. Inkote Indonesia,” Efisiensi : Jurnal Penelitian dan Pengembangan Ilmu Manajemen, vol. 1, no. 2, p. 38, Feb. 2025, doi: 10.63217/efisiensi.v1i2.131
  3. N. Hidayati and M. Maloti, “Bimbingan Karir dalam Perencanaan Karir Remaja Akhir,” Jurnal Bintang Pendidikan Indonesia, vol. 3, no. 1, p. 174, Dec. 2024, doi: 10.55606/jubpi.v3i1.3541
  4. A. Nuraisah et al., “Pengaruh Persepsi Status Sosial Dan Pilihan Karier Terhadap Pengangguran Di Kalangan Sarjana,” Bursa: Jurnal Ekonomi dan Bisnis, vol. 4, no. 2, p. 55, May 2025, doi: 10.59086/jeb.v4i2.714
  5. R. Fuji Oktaviani, R. Meidiyustiani, Qodariah, and A. Rachmat, “Peran Literasi Digital terhadap Wirausaha Muda: Studi Kasus pada Mahasiswa di Jakarta,” Jurnal Ekonomi Pembangunan STIE Muhammadiyah Palopo, vol. 10, no. 1, p. 101, 2024, doi: 10.35906/jep.v10i1.1917
  6. “Dorong Pengembangan Kewirausahaan Nasional untuk Menopang Indonesia Menjadi Negara Maju,” https://mpr.go.id/
  7. A. Maskhuri and T. Hardiani, “Analisis Sentimen Pengguna pada Aplikasi Tokopedia Menggunakan Algoritma Convolutional Neural Network,” Building of Informatics, Technology and Science (BITS), vol. 6, no. 4, p. 2502, Mar. 2025, doi: 10.47065/bits.v6i4.6923
  8. F. Khairi Basri, M. Afdal, A. Angraini, and N. Evrilyan Rozanda, “Analisis Sentimen Masyarakat Terhadap Kebocoran Pusat Data Nasional Sementara Menggunakan Algoritma Random Forest dan Support Vector Machine,” Building of Informatics, Technology and Science (BITS), vol. 7, no. 2, p. 961, 2025, doi: 10.47065/bits.v7i2.7473
  9. D. Trezza, “To scrape or not to scrape, this is dilemma. The post-API scenario and implications on digital research,” Frontiers in Sociology, p. 05, 2023
  10. A. Saepudin, R. Aryanti, E. Fitriani, Royadi, and D. Ardiansyah, “Analisis Sentimen Pemanfaatan Artificial Intelligence di Dunia Pendidikan Menggunakan SVM Berbasis Particle Swarm Optimization,” Computer Science (CO-SCIENCE), vol. 4, no. 1, p. 73, 2024, doi: 10.31294/coscience.v4i1.2921
  11. P. Sulistiyawati et al., “Prediksi Kata Kasar Berbahasa Indonesia menggunakan Machine Learning Berbasis Mobile Infrastructure,” Transmisi, vol. 24, no. 2, p. 56, May 2022, doi: 10.14710/transmisi.24.2.55-61
  12. S. V. Nur Afni and E. P. Silmina, “Sentiment Analysis of Public on The COVID-19,” 2022. doi: 10.28989/senatik.v7i1.451
  13. M. Sulhan and Erizal, “Perbandingan Metode Naïve Bayes Dengan SVM Pada Analisis Sentimen Aplikasi Pemesanan Tiket Kapal Ferizy,” Technology and Science (BITS), vol. 6, no. 4, 2025, doi: 10.47065/bits.v6i4.6715
  14. D. A. Tarigan, Z. Situmorang, and R. Rosnelly, “Analisis Sentimen Aplikasi Playstore SIREKAP 2024 Pasca Pilpres dengan Perbandingan Metode Support Vector Machine (SVM), Naive Bayes Classifier dan Random Forest,” Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), vol. 11, no. 3, p. 668, 2025, doi: 10.25126/jtiik.2025129608
  15. L. H. Sarumpaet and R. R. Suryono, “Analisis Sentimen Publik Program PPPK di Media Sosial X menggunakan Naïve Bayes dan SVM,” Edumatic: Jurnal Pendidikan Informatika, vol. 9, no. 2, pp. 362–371, Aug. 2025, doi: 10.29408/edumatic.v9i2.30065
  16. Styawati, N. Hendrastuty, A. R. Isnain, and A. Y. Rahmadhani, “Analisis Sentimen Masyarakat Terhadap Program Kartu Prakerja Pada Twitter Dengan Metode Support Vector Machine,” Jurnal pengembangan IT (JPIT), vol. 6, no. 3, p. 155, 2021, doi: 10.30591/jpit.v6i3.2870
  17. T. D. Septyorini, K. Umam, and M. R. Handayani, “Dinamika Opini Publik Terkait Quarter Life Crisis Pada Media Sosisal X Menggunakan Support Vector Machine,” Jurnal Informatika: Jurnal Pengembangan IT, vol. 10, no. 3, pp. 617–627, Jul. 2025, doi: 10.30591/jpit.v10i3.8648
  18. A. A. Munandar, Farikhin, and C. E. Widodo, “Sentimen Analisis Aplikasi Belajar Online Menggunakan Klasifikasi SVM,” Journal of Information Technology and Computer Science, vol. 8, no. 2, pp. 84–84, 2023
  19. Z. Alfian, M. Afdal, R. Novita, and Z. Zarnelly, “Penerapan Support Vector Machine untuk Analisis Sentimen Pengguna X terhadap IndiHome, Biznet, dan Starlink,” Technology and Science (BITS), vol. 7, no. 2, 2025, doi: 10.47065/bits.v7i2.7429
  20. S. Juniarsih, E. F. Ripanti, and E. E. Pratama, “Implementasi Naive Bayes Classifier pada Opinion Mining Berdasarkan Tweets Masyarakat Terkait Kinerja Presiden dalam Aspek Ekonomi,” Jurnal Sistem dan Teknologi Informasi (Justin), vol. 8, no. 3, p. 239, Jul. 2020, doi: 10.26418/justin.v8i3.39118
  21. N. A. Rizky Putri, “Analisis Jaringan pada Media Sosial X dengan #Boikot Menggunakan Social Network Analysis,” Indonesian Journal of Information Technology, vol. 2, no. 1, p. 2, 2024, doi: 10.25077/Attribution-NonCommercial
  22. E. Fatra, T. Tri Funny Manguma, and Mastura, “Analisis Sentimen Media Sosial Menggunakan Metode Naïve Bayes,” Makassar, 2025. doi: 10.31004/ctr.v2i2.166
  23. S. Khairunnisa, Adiwijaya, and S. Al Faraby, “Pengaruh Text Preprocessing terhadap Analisis Sentimen Komentar Masyarakat pada Media Sosial Twitter (Studi Kasus Pandemi COVID-19),” Jurnal Media Informatika Budidarma, vol. 5, no. 2, p. 408, Apr. 2021, doi: 10.30865/mib.v5i2.2835
  24. F. A. Ryandi, D. Pratiwi, and S. Sari, “Analisis Sentimen Masyarakat Di Media Sosial X Terhadap Kemenkes Dengan Naive Bayes dan SVM,” Jurnal Sains dan Teknologi, vol. 7, no. 1, p. 2, 2025, doi: 10.55338/saintek.v7i1.4615
  25. F. M. Ayudewi and A. R. Firdaus, “Analisis Sentimen Ulasan Pengguna Platform Belajar Coursera menggunakan Model Distilbert dengan Augmentasi Data dan Penanganan Ketidakseimbangan Data,” JATI (Jurnal Mahasiswa Teknik Informatika), vol. 9, no. 5, p. 7707, 2025, doi: 10.36040/jati.v9i5.14844
  26. A. N. Indraini and I. Ernawati, “Analisis Sentimen Terhadap Pembelajaran Daring Di Indonesia Menggunakan Support Vector Machine (SVM),” Jurnal Ilmiah FIFO, vol. 14, no. 1, p. 70, Jul. 2022, doi: 10.22441/fifo.2022.v14i1.007
  27. Herwinsyah and A. Witanti, “Analisis Sentimen Masyarakat terhadap Vaksinasi COVID-19 pada Media Sosial Twitter menggunakan Algoritma Support Vector Machine (SVM),” Jurnal Sistem Informasi dan Informatika (Simika) P-ISSN, vol. 5, no. 1, p. 61, 2022, doi: 10.47080/simika.v5i1.1411
  28. D. Purnamasari et al., Pengantar Metode Analisis Sentimen, 1st ed. Depok: Gunadarma, 2023
  29. M. U. Albab, Y. Karuniawati P, and M. N. Fawaiq, “Optimization of the Stemming Technique on Text Preprocessing President 3 Periods Topic,” Jurnal Transformatika, vol. 20, no. 2, p. 3, Jan. 2023, doi: 10.26623/transformatika.v20i2.5374
  30. A. S. Rizkia, Wufron, and F. F. Roji, “Analisis Sentimen Coretax: Perbandingan Pelabelan Data sManual, Transformers-Based, dan Lexicon-Based pada Performa IndoBERT,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 3, p. 1038, Jul. 2025, doi: 10.57152/malcom.v5i3.2151
  31. Y. Setiawan, D. Gunawan, and R. Efendi, “Feature Extraction TF-IDF to Perform Cyberbullying Text Classification: A Literature Review and Future Research Direction,” in 2022 International Conference on Information Technology Systems and Innovation, ICITSI 2022 - Proceedings, Institute of Electrical and Electronics Engineers Inc., 2022, pp. 283–288. doi: 10.1109/ICITSI56531.2022.9970942
  32. S. Rabbani, D. Safitri, N. Rahmadhani, A. A. F. Sani, and M. K. Anam, “Perbandingan Evaluasi Kernel SVM untuk Klasifikasi Sentimen dalam Analisis Kenaikan Harga BBM,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 3, no. 2, p. 154, Oct. 2023, doi: 10.57152/malcom.v3i2.897
  33. A. G. Sooai, P. A. Nani, N. M. Rafu Mamulak, C. O. Sianturi, S. C. Sianturi, and A. H. Mondolang, “Klasifikasi Citra Daun Anggur Menggunakan SVM Kernel Linear,” JOINTECS (Journal of Information Technology and Computer Science), vol. 8, no. 1, p. 22, Mar. 2023, doi: 10.31328/jointecs.v8i1.4496
  34. Eskiyaturrofikoh and R. R. Suryono, “Analisis Sentimen Aplikasi X pada Google Play Store menggunakan Algoritma Naive Bayes dan Support Vector Machine (SVM),” JIPI (Jurnal Ilmiah Penelitian dan Pembelajaran Informatika), vol. 9, no. 3, p. 1414, Aug. 2024, doi: 10.29100/jipi.v9i3.5392
  35. R. T. Darmawan, “Implementasi Grafana untuk Auto-Scaling pada NGINX Web-Server di Lingkungan Docker Container,” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 7, no. 7, pp. 3165–3167, Jul. 2023, [Online]. Available: http://j-ptiik.ub.ac.id

Last update:

No citation recorded.

Last update: 2026-10-16 17:39:28

No citation recorded.